PGB: A PubMed Graph Benchmark for Heterogeneous Network Representation Learning

要約

タイトル：PGB：異種ネットワーク表現学習のためのPubMedグラフベンチマーク
要約：

– 生命医学文献分野での論文の急速な増加があるが、これらの記事の書誌情報の異質性を捕捉することは比較的研究が不十分である。
– 異種グラフニューラルネットワークによるグラフ探索研究が主流となっているが、PubMedデータベースの異種性をこれらの手法が捕捉しているかどうかは明確ではない。
– PubMed Graph Benchmark（PGB）を紹介し、生命科学文献の異種グラフ埋め込みを評価するための新しいベンチマークデータセットを提供する。
– PGBは今日までで最も大きな異種ネットワークの1つであり、30百万英語の論文から構成される。ベンチマークには、要約、著者、引用、MeSH用語、MeSH階層などの豊富なメタデータが含まれている。
– PGBには、3つの異なるデータセットから21の体系的なレビュートピックの評価タスクが含まれている。
– PGBでは、PubMedに関連する生命科学記事のメタデータを統合ソースに集約し、将来の作品のためにベンチマークを一般公開している。

要約(オリジナル)

There has been a rapid growth in biomedical literature, yet capturing the heterogeneity of the bibliographic information of these articles remains relatively understudied. Although graph mining research via heterogeneous graph neural networks has taken center stage, it remains unclear whether these approaches capture the heterogeneity of the PubMed database, a vast digital repository containing over 33 million articles. We introduce PubMed Graph Benchmark (PGB), a new benchmark dataset for evaluating heterogeneous graph embeddings for biomedical literature. PGB is one of the largest heterogeneous networks to date and consists of 30 million English articles. The benchmark contains rich metadata including abstract, authors, citations, MeSH terms, MeSH hierarchy, and some other information. The benchmark contains an evaluation task of 21 systematic reviews topics from 3 different datasets. In PGB, we aggregate the metadata associated with the biomedical articles from PubMed into a unified source and make the benchmark publicly available for any future works.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI