-
题名基于空洞卷积神经网络的药物和副作用关联预测
- 1
-
-
作者
徐凯
玄萍
-
机构
黑龙江大学计算机科学技术学院
汕头大学计算机科学技术系
-
出处
《智能计算机与应用》
2025年第3期33-38,共6页
-
基金
国家自然科学基金(61972135,62172143)
黑龙江省自然科学基金(LH2023F044)
汕头大学科研启动基金项目(NTF22032)。
-
文摘
越来越多的研究表明识别药物相关的副作用有利于降低药物研发的成本和时间。新近的方法侧重于整合药物和副作用的多源数据,以预测药物的有潜力的候选副作用。然而,多个药物-副作用异构图中的节点的多样属性尚未得到充分利用。本文提出了新的药物-副作用关联预测方法,来编码和整合来自多个异构图的多样属性。针对2种药物相似性,分别构建了2个药物-副作用异构图,以整合和表示药物与副作用相关的相似性和关联连接。每个异构图具有其特定的属性,不同属性表示对于预测药物相关的候选副作用的贡献不同,本文建立了表示级注意机制来对其自适应地加以融合。同时进一步建立了基于空洞卷积神经网络的药物-副作用关联预测策略,通过扩大卷积核的感受野来增强卷积层的特征提取能力。本文采用五倍交叉验证的方法进行相关实验,实验结果表明本文的预测模型优于其他几个对比方法。
-
关键词
药物-副作用关联预测
表示层级注意力机制
空洞卷积神经网络
结点对特征学习
-
Keywords
drug-side effect association prediction
representation-level attention mechanism
dilation convolutional neural network
pairwise feature learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名结合多粒度信息的文本匹配融合模型
被引量：3
- 2
-
-
作者
吕乐宾
刘群
彭露
邓维斌
王崇宇
-
机构
重庆邮电大学计算智能重庆市重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2021年第6期196-201,共6页
-
基金
国家重点研发计划资助项目(2018YFC0832100,2018YFC0832102)
国家自然科学重点基金项目(61936001)。
-
文摘
常规的文本匹配模型大致分为基于表示的文本匹配模型和基于交互的文本匹配模型。由于基于表示的文本匹配模型容易失去语义焦点,而基于交互的文本匹配模型会忽视全局信息,文中提出了结合多粒度信息的文本匹配融合模型。该模型通过交互注意力和表示注意力将两种文本匹配模型进行了融合,然后利用卷积神经网络提取了文本中存在的多个不同级别的粒度信息,使得模型既能抓住局部的重要信息又能获取全局的语义信息。在3组不同的文本匹配任务上的实验结果表明,所提出的模型在NDCG@5评价指标上分别优于其他最优模型5.3%,0.4%,1.5%。通过提取文本中的多个粒度信息并结合交互注意力和表示注意力,提出的模型能够有效地关注不同级别的文本信息,解决了传统模型在文本匹配过程中易失去语义焦点和忽视全局信息的问题。
-
关键词
文本匹配
交互注意力
表示注意力
粒度网络
多粒度信息
-
Keywords
Text matching
Interactive attention
Expressive attention
Granular network
Multi-granularity information
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
