【报告内容】

汇报人：何世祺

汇报单位：太原理工大学

主题：《Matching Large Biomedical Ontologies Using Symbolic Regression》

1、Introduction

2、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题描述

本体匹配的研究源于对语义异构问题的关注，早期的研究集中在准确性和召回率之间的权衡，并提出机器学习的模型来生成本体匹配的有效组合。近年来，随着深度学习的技术的兴起，基于嵌入和深度学习的方法取得明显效果，在某些情况下，匹配效果更好。但是，模型可解释性较差，是人类难以理解。

2.相关创新方案

（1）首次提出了一种基于符号回归概念的大型生物医学本体匹配方法，旨在提高匹配模型的可解释性。

（2）使用生物医学领域最流行的基准数据集对这种新方法进行了实证评估，并与最著名的本体匹配工具进行了比较。

3.实验总结

本文提出的基于符号回归的本体匹配方法，在模型可解释性上达到了功能级，经过大量实验，同时与现有的解决方案比较，使得在准确性和可解释性之间进行权衡的新方法成为可能。意味着人工操作员可以在任何时候都有一个选项列表，允许他们选择最适合当前问题的配置。

4.未来工作

（1）寻找提高准确性、可解释性和良好混合模型的方法。

（2）根据用户的偏好设计新颖的解决方案。

    报告时间：2024年09月06日19:30

    腾讯会议：311-5999-8176

    点我下载本讨论课相关文献或PPT吧~(提取码：iipr)