典型文献
基于GAT双聚合运算与归纳式矩阵补全的关联预测
文献摘要：
可计算模型能够有效替代生物实验进行长链非编码RNA(lncRNA)-疾病的关联预测,但由于存在已知数据稀疏性问题,导致现有模型的预测精度不高.针对这一局限性,提出基于图注意力网络与归纳式矩阵补全技术的双融合机制lncRNA-疾病关联预测模型(DFMP-LDA).引入n头注意力机制,设计带有双重聚合器的图注意力网络,增强lncRNA节点与疾病节点的特征,避免数据稀疏性导致模型预测精度不高的问题.在此基础上,针对传统图注意力网络不能直接应用于潜在lncRNA-疾病对关联预测的问题,引入归纳式矩阵补全技术,应用增强后的节点特征重建lncRNA-疾病关联网络,进一步提高模型的预测精度.5折交叉验证结果表明,DFMP-LDA预测lncRNA-疾病关联的AUC值为0.9322,AUPR值为0.7705,在时间成本上分别较DMF-LDA、SDLDA、TPGLDA模型节省33.89％、32.17％、16.12％,预测性能较优.
文献关键词：
图注意力网络;归纳式矩阵补全;关联预测;双重聚合器;特征增强
中图分类号：
作者姓名：
张奕;郑婧;蔡钢生;王真梅
作者机构：
桂林理工大学 信息科学与工程学院,广西 桂林 541004;广西嵌入式技术与智能系统重点实验室,广西 桂林 541004
文献出处：
引用格式：
[1]张奕;郑婧;蔡钢生;王真梅-.基于GAT双聚合运算与归纳式矩阵补全的关联预测)[J].计算机工程,2022(12):72-78
A类：
归纳式矩阵补全,DFMP,双重聚合器,SDLDA,TPGLDA
B类：
GAT,双聚合,关联预测,可计算,有效替代,生物实验,行长,长链非编码,lncRNA,已知数,数据稀疏性,现有模型,一局,图注意力网络,双融合,融合机制,疾病关联,注意力机制,接应,对关联,节点特征,特征重建,关联网络,交叉验证,AUPR,时间成本,DMF,预测性能,特征增强
AB值：
0.247608
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
