Ce contenu aborde l'utilisation d'embeddings neuronaux pour représenter des graphes. La recherche explore l'application de l'espace hyperbolique pour cette représentation, indiquant un sujet avancé en apprentissage automatique.
HypEHR est un modèle lorentzien compact qui utilise la géométrie hyperbolique pour la réponse aux questions sur les dossiers de santé électroniques (DSE), abordant les défis de coût et de structure hiérarchique des méthodes basées sur les LLM. Pré-entraîné pour la prédiction de diagnostic et l'alignement avec les ontologies médicales, il approche les performances des LLM avec beaucoup moins de paramètres.