III: Medium: Collaborative Research: StructNet: Constructing and Mining Structure-Rich Information Networks for Scientific Research

III：媒介：协作研究：StructNet：为科学研究构建和挖掘结构丰富的信息网络

基本信息

批准号：
1705169
负责人：
Yizhou Sun
金额：
$ 40万
依托单位：
University of California-Los Angeles
依托单位国家：
美国
项目类别：
Continuing Grant
财政年份：
2017
资助国家：
美国
起止时间：
2017-07-01 至 2022-06-30
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=1705169&HistoricalAwards=false
关键词：
III Medium Collaborative Research StructNet

项目摘要

Science disciplines have been generating huge volumes of research publications, which are of tremendous value but far beyond researchers' capacity to digest and analyze. There is a critical need to automatically (with the help of widely available, general knowledge-bases) transform research text into structured information networks on which advanced search and analytics tools can be developed to facilitate researchers and practitioners to quickly locate knowledge, make inferences, and even generate new scientific hypotheses.This project aims at developing a new data-to-network-to-knowledge (D2N2K) paradigm to transform massive, unstructured but interconnected research text data into actionable knowledge, by integrating semi-structured and unstructured data. First, organized heterogeneous information networks (hence called StructNet) are constructed, and then powerful mining mechanisms on such organized networks are developed. With a focus on biomedical sciences, the project investigates the principles, methodologies and algorithms for (i) construction of relatively structured heterogeneous information networks (called MediNet) by mining biomedical research corpora via attribute extraction, relation typing, and claim mining, and (ii) exploration and mining of the networks so constructed via graph OLAP and task-guided embedding. The project develops an extensible framework to facilitate literature-based scientific research. The study on construction and exploration of MediNet not only impacts biomedical research but also consolidates this data-to-network-to knowledge methodology, readily to be transferred to other domains, for automatic transformation of massive unstructured text data in those domains into structured and actionable knowledge.

科学学科已经产生了大量的研究出版物，这些出版物具有巨大的价值，但远远超出了研究人员的消化和分析能力。迫切需要自动（借助广泛可用的通用知识库）将研究文本转换为结构化信息网络，在该网络上可以开发先进的搜索和分析工具，以方便研究人员和从业者快速定位知识、做出推理、甚至产生新的科学假设。该项目旨在开发一种新的数据到网络到知识（D2N2K）范式，通过整合半结构化和非结构化，将大量、非结构化但相互关联的研究文本数据转化为可操作的知识数据。首先，构建有组织的异构信息网络（因此称为 StructNet），然后在这种有组织的网络上开发强大的挖掘机制。该项目以生物医学科学为重点，研究以下原理、方法和算法：（i）通过属性提取、关系类型和声明挖掘挖掘生物医学研究语料库，构建相对结构化的异构信息网络（称为 MediNet），以及（ii））通过图 OLAP 和任务引导嵌入对如此构建的网络进行探索和挖掘。该项目开发了一个可扩展的框架，以促进基于文献的科学研究。 MediNet的构建和探索研究不仅影响生物医学研究，而且巩固了这种数据到网络到知识的方法论，易于转移到其他领域，将这些领域中的大量非结构化文本数据自动转换为结构化和可操作的数据知识。

项目成果

期刊论文数量（21）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Heterogeneous Graph Transformer

异构图转换器

DOI：
10.1145/3366423.3380027
发表时间：
2020-01
期刊：
WWW '20: Proceedings of The Web Conference 2020
影响因子：
0
作者：
Hu, Ziniu;Dong, Yuxiao;Wang, Kuansan;Sun, Yizhou
通讯作者：
Sun, Yizhou

Fuzzy Logic Based Logical Query Answering on Knowledge Graphs

基于模糊逻辑的知识图逻辑查询应答

DOI：
10.1609/aaai.v36i4.20310
发表时间：
2022-06
期刊：
Proceedings of the AAAI Conference on Artificial Intelligence
影响因子：
0
作者：
Chen, Xuelu;Hu, Ziniu;Sun, Yizhou
通讯作者：
Sun, Yizhou

RLogic: Recursive Logical Rule Learning from Knowledge Graphs

RLogic：从知识图谱中递归逻辑规则学习

DOI：
10.1145/3534678.3539421
发表时间：
2022-08-14
期刊：
Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining
影响因子：
0
作者：
Kewei Cheng;Jiahao Liu;Wei Wang;Yizhou Sun
通讯作者：
Yizhou Sun

Estimating Causal Effects on Networked Observational Data via Representation Learning

通过表征学习估计网络观测数据的因果效应

DOI：
10.1145/3511808.3557311
发表时间：
2022-10-17
期刊：
Proceedings of the 31st ACM International Conference on Information & Knowledge Management
影响因子：
0
作者：
Song Jiang;Yizhou Sun
通讯作者：
Yizhou Sun

GLSearch: Maximum Common Subgraph Detection via Learning to Search

GLSearch：通过学习搜索进行最大公共子图检测

DOI：
发表时间：
2021-01
期刊：
Proc. of Thirty-eighth International Conference on Machine Learning (ICML'21
影响因子：
0
作者：
Bai, Yunsheng;Xu, Derek;Sun, Yizhou;Wang, Wei
通讯作者：
Wang, Wei