图谱动态｜学苑周刊 NO.187

图谱学苑 2024-06-25

116

本期将分享近期全球知识图谱相关

行业动态、会议资讯、论文推荐

—--| 行业动态 |--—

微生物+知识图谱

饲料效率(FE) 对养猪生产至关重要，据报道肠道微生物群可部分解释饲料效率。尽管关于该主题的研究文献很多，但关于肠道微生物群调节饲料效率的研究仍然很零散，且大多局限于无序或半结构化的非限制性文本。同时，虽然有用于微生物群分析的结构化数据库，但它们往往缺乏对相关生物过程的全面了解。近日，猪肠道微生物知识图谱（PGMKG）近日发布在《自然》上，PGMKG不仅能够识别对FE影响最大的微生物，而且还提供了对这些微生物产生的代谢物及其相关代谢途径的洞察。

http://s.mrw.so/9uzsO

脊髓图谱

近日，瑞士联邦理工学院的神经生物学家Mark Anderson和同事使用机器学习算法，通过绘制RNA测序和其他细胞生物学技术的数据构建了脊髓图谱，有望帮助研究人员为脊髓损伤患者开发新的治疗方法。利用图谱中的发现，研究人员设计基因疗法，以促进年老小鼠脊髓损伤后的伤口修复。

http://s.mrw.so/7ehVE

—--| 会议讲座 |--—

CCDM 2024 — 第十届中国数据挖掘会议

第十届中国数据挖掘会议（CCDM 2024）将于2024年7月28-30日在山东泰安举行，由济南大学和山东农业大学联合承办。中国数据挖掘会议（China Conference on Data Mining，CCDM）是由中国计算机学会和中国人工智能学会主办，中国计算机学会人工智能与模式识别专业委员会和中国人工智能学会机器学习专业委员会协办的数据挖掘领域盛会。会议旨在为数据挖掘领域从业者提供一个互动交流平台，使参会者了解最前沿的学术动态，分享数据挖掘领域的最新研究成果、创新思想和科学方法，提高国内数据挖掘领域的研究水平。

详情请访问：https://ccf.org.cn/CCDM2024/brief_3003

—--| 报告推荐 |--—

GE2

本周推荐的SIGMOD 2024上的论文：GE2: A General and Efficient Knowledge Graph Embedding Learning System，该文提出一个图嵌入学习系统GE2，作者来自香港中文大学和感知与互动智能中心。

图嵌入学习为图中的每个节点计算一个嵌入向量，并在社交网络、电子商务和医学等领域有许多应用。现有的图嵌入系统（如PBG、DGL-KE和Marius）存在较长的CPU时间和较高的CPU-GPU通信开销，尤其是在使用多GPU时。此外，在这些系统上实现负采样算法非常繁琐，而负采样算法有许多变体，并且对模型质量至关重要。该文提出了一个名为GE2的新系统，兼具通用性和效率，适用于图嵌入学习。具体来说，作者提出了一种涵盖各种负采样算法的通用执行模型。基于该执行模型，作者设计了一个用户友好的API，使用户能够轻松表达负采样算法。为了支持高效训练，作者将操作从CPU卸载到GPU，以享受高并行性并减少CPU时间。作者还设计了COVER算法，是一个管理CPU和多个GPU之间数据交换的小通信成本算法。大量实验结果表明，与最先进的图嵌入系统相比，GE2在不同模型和数据集上训练速度始终更快，速度提升通常超过2倍，最高可达7.5倍。

GE2系统的工作流如下图所示：