BioGraphFusion은 생의학 지식 그래프(KG)의 완성과 추론에 도움이 되는 새로운 프레임워크입니다. 기존의 지식 임베딩(KE) 방법과 그래프 신경망(GNN)의 한계를 극복하기 위해, 텐서 분해를 통해 전역적 의미론적 기반을 구축하고, LSTM 기반 메커니즘으로 관계 임베딩을 동적으로 정제하는 방식을 사용합니다. 이는 질의 기반 하위 그래프 생성과 하이브리드 스코어링 메커니즘에 의해 더욱 향상됩니다. 세 가지 주요 생의학 과제에 대한 실험 결과, BioGraphFusion은 최첨단 KE, GNN 및 앙상블 모델보다 우수한 성능을 보였으며, CMM1에 대한 사례 연구는 생물학적으로 의미 있는 경로를 밝히는 능력을 보여주었습니다. 소스 코드와 모든 훈련 데이터는 공개적으로 제공됩니다.
