近年来，生物医学界引入了许多本体论。 从本体识别实体发现的知识发现已经成为重要的研究领域，发现如何建立关联以连接单个本体或多个本体中的概念总是很有趣。 然而，由于生物医学大数据的指数增长及其复杂的关联，以低效的动态方式检测实体之间的关键关联变得非常具有挑战性。 因此，在对关联检测的日益增长的需求与大量生物医学本体之间存在差距。 在本文中，为了弥合这一差距，我们提出了一个知识发现框架BioBroker，用于对实体进行分组，以智能方式促进生物医学知识发现的过程。 具体来说，我们开发了一种创新的知识发现算法，该算法结合了图聚类方法和索引技术，可以高效地在一组互连的数据源上发现知识模式。 我们通过对B