Machine Learning-Friendly Biomedical Datasets for Equivalence and Subsumption Ontology Matching

要約

オントロジー マッチング (OM) は、バイオインフォマティクスやセマンティック Web などの多くの分野で重要な役割を果たしており、特に機械学習 (ML) 技術の応用により、その研究の人気が高まっています。
オントロジー アラインメント評価イニシアチブ (OAEI) は、OM システムの体系的な評価に対する優れた取り組みを表していますが、包摂マッピングの限定的な評価、次善の参照マッピング、ML ベースのシステムの評価の限定的なサポートなど、いくつかの制限に依然として悩まされています。
これらの制限に対処するために、Mondo と UMLS から抽出されたオントロジーを含む 5 つの新しい生物医学 OM タスクを導入します。
各タスクには、等価性マッチングと包含マッチングの両方が含まれます。
参照マッピングの品質は、人間によるキュレーション、オントロジーの枝刈りなどによって保証されます。
また、ML ベースと非 ML ベースの OM システムの両方について、さまざまな観点から OM パフォーマンスを測定するための包括的な評価フレームワークが提案されています。
これらのリソースの使用法を実証するために、さまざまなタイプの OM システムの評価結果を報告します。これらのリソースはすべて、OAEI 2022 の新しい BioML トラックの一部として一般公開されています。

要約(オリジナル)

Ontology Matching (OM) plays an important role in many domains such as bioinformatics and the Semantic Web, and its research is becoming increasingly popular, especially with the application of machine learning (ML) techniques. Although the Ontology Alignment Evaluation Initiative (OAEI) represents an impressive effort for the systematic evaluation of OM systems, it still suffers from several limitations including limited evaluation of subsumption mappings, suboptimal reference mappings, and limited support for the evaluation of ML-based systems. To tackle these limitations, we introduce five new biomedical OM tasks involving ontologies extracted from Mondo and UMLS. Each task includes both equivalence and subsumption matching; the quality of reference mappings is ensured by human curation, ontology pruning, etc.; and a comprehensive evaluation framework is proposed to measure OM performance from various perspectives for both ML-based and non-ML-based OM systems. We report evaluation results for OM systems of different types to demonstrate the usage of these resources, all of which are publicly available as part of the new BioML track at OAEI 2022.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google