知识图谱的处理和规则集合的获取

基于反绎学习和基因知识库的基因表达预测 部分三 知识图谱的处理和规则集合的获取

---

1.子图提取

由于GO知识本体的规模较大，且由三个子集构成，包含所有物种的基因参与的生物过程、构成的细胞组分和分子功能等相关知识。直接基于完整的GO进行模型训练几乎不可实现，且造成计算资源的大量浪费。因此，我们需选取GO知识本体中与EGOAL模型的预测任务直接相关的子集。

本项目中，采取如下方式提取子图：选定数据集和希瓦氏菌的GO标注（即GO知识本体在希瓦氏菌基因组上的Individual Assertion）中出现的所有类名称作为初始集合。给定参数d，在知识图谱中选取与初始集合的距离不大于d的所有结点，并入初始集合作为子图的结点集。子图的边集取为原知识图谱在上述结点之间的所有边。

2.规则挖掘

反绎学习基于一阶逻辑规则进行训练。因此，为了在反绎学习的过程中应用知识图谱中的RDF三元组，需要将其转换成一阶逻辑表达式。在本项目实现中，我们为了规范形式，以合取-析取范式的形式表示整个规则集合。因此对于知识图谱中的每个RDF三元组，按照其谓词的自然语义，统一将其转换为一个析取子式。

3.通过Remembering算法处理规则集

由Huang等人提出的remembering算法[14]基于对规则传递性的假设，处理一个给定的一阶逻辑规则集合，使其保留原规则集合的信息同时，只包含目标类名称（Concept Names）集合中的符号，使得反绎学习的训练更加高效。

Remember是一个迭代的算法。每一轮迭代中，会将上一轮规则集中，两条仅有一项在目标类中的规则合并为一条规则，并抛弃不在目标类中的项。直到达到设定迭代上限，或所有满足条件的规则均已被合并。

Remembering

在本项目实现中，针对希瓦氏菌基因组中的每个基因，训练一个反绎学习模型（详见4.2节）。因此对每个基因，将GO标注中该基因属于的所有类作为目标类集合，分别通过remembering算法获得一个规则集合，供反绎学习训练。通过remembering算法，规则集合的规模显著减小，可大幅提升训练效率。

---