论文解读：SumGNN: Multi-typed Drug Interaction Prediction via Efficient Knowledge Graph Summarization（Bi）

Part1 Introduction
以前的大多数工作都集中在二元 DDI 预测上，而多类型 DDI 药理作用预测更有意义但任务更艰巨
SumGNN: knowledge summarization graph neural network:
提出了一种新方法SumGNN，可以有效地使用KG 来帮助预测药物相互作用

Part2 Methods
Problem Settings:
（1）Drug Interaction Graph：
𝐺_𝐷𝐷𝐼 = {(u,r,v)|u∈ D,r∈𝑅_𝐷,v∈D)},
（2）External Biomedical Knowledge Graph：
𝐺_𝐾𝐺 = {(h,r,t)|h,t∈E,r∈R}
最终是要将 𝐺_𝐷𝐷𝐼 中的药物实体聚合到 𝐺_𝐾𝐺
Multi-relational DDI Prediction：
药物相互作用 (DDI) 预测是输出给定一对药物的药理作用。 从数学上讲，就是学习从药物对(u,v)∈(D×D)到药理作用r∈ 𝑅_𝐷的映射F:D×D→ 𝑅_𝐷
A.The Local Subgraph Extraction Module
首先为 u和v 提取 k-hop 相邻节点:

然后，根据这些节点的交集获得封闭子图: