检索结果-南通市图书馆

检索条件"主题词=社交推荐算法"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于异构网络的药物副作用预测方法研究

基于异构网络的药物副作用预测方法研究

引用

作者：陈庆生内蒙古科技大学

学位级别：硕士

药物在治疗患者疾病的同时,也可能会产生威胁生命健康的副作用。因此,快速、准确地发现已上市药物的副作用和新药可能产生的副作用至关重要。药物临床试验时间长花费高,使用计算方法预测药物的副作用具有重要的实用价值。本文将药物副... 详细信息

药物在治疗患者疾病的同时,也可能会产生威胁生命健康的副作用。因此,快速、准确地发现已上市药物的副作用和新药可能产生的副作用至关重要。药物临床试验时间长花费高,使用计算方法预测药物的副作用具有重要的实用价值。本文将药物副作用预测视为一个推荐系统问题,将药物和副作用的异构数据集作为研究对象,结合药物本身的生化属性,分别使用社交推荐算法和图注意力网络预测药物的副作用,为后续评估与验证提供了可靠参考。本文的主要内容如下:(1)基于药物相似度社交推荐算法的药物副作用预测研究。药物副作用数据具有严重的稀疏性,传统机器学习方法对已上市药物副作用预测效果欠佳,同时对新药的冷启动预测也较差。基于此,本文提出基于药物相似度社交推荐算法(Social Recommendation Algorithm Based on Drug Similarity Matrix,SRDSM)预测药物副作用。首先,利用药物副作用数据集构建评分矩阵。根据药物的生化属性计算药物的相似度,并设定药物相似度阈值构建药物相似度矩阵。接下来,在社交矩阵分解算法中引入信任传播机制,同时分解药物副作用评分矩阵和药物相似矩阵,得到最终预测结果。实验表明,SRDSM算法在RMSE、MAE和AUC等指标上取得了最优预测效果,在预测新药阿兹夫定片副作用上也取得了很好的效果。SRDSM算法有效地缓解了数据稀疏和新药冷启动困难问题。(2)基于图注意力机制的药物副作用轻量化预测算法研究。机器学习算法在预测药物副作用排名指标方面表现欠佳,主要体现在TOP-N预测指标较差。基于此,本文提出基于图注意力机制的药物副作用轻量化预测算法(Light Graph Attention Network Predicts Drug Side Effects,LGATDS)。本章使用高阶连通图解决药物-副作用数据集集成到嵌入层,提取邻域信息困难的问题。使用移除特征转换和非线性激活的多层图卷积(Graph Conventional Network,GCN)对药物和副作用特征进行邻域聚合,提取数据深层特征。最后,使用注意力机制归一化各个网络层提取的特征数据,通过点积运算计算药物副作用排名的预测值。实验表明,与最新方法比较,LGATDS算法在TOP-N预测方面具有优越的性能。LGATDS算法与其它图神经网络模型相比更加轻量化,能在数据稀疏的情况下更好的构建药物和副作用特征表示,有效提升了药物副作用TOP-N预测的准确性。

关键词：药物副作用社交推荐算法信任传播图注意力网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：