基于多层异构生物网络的药物—基因关系预测方法研究

摘要第4-6页Abstract第6-7页第一章绪论第14-28页课题概述和意义第14-26页信息网络和异构信息网络第16-20页基于异构网络的数据挖掘任务第20-24页基于异构网络的链接预测第24-25页意义第25-26页本文的组织结构第26-28页第二章构建生物异构信息网络第28-36页概述第28-31页问题简介第28-29页数据介绍第29-31页基准模型第31-32页评价标准第32-36页第三章基于表示学习模型的链接预测第36-48页概述第36-38页研究背景第36页相关工作第36-38页模型第38-42页基于Meta-path的随机游走第38-40页异构化Skip-Gram模型第40-41页++模型第41-42页基于矩阵分解的关系预测第42-43页实验分析第43-47页综合实验结果比较第43-45页参数设定第45-46页两种表示学习预测模型比较第46-47页本章小结第47-48页第四章基于归纳矩阵补全算法的链接预测第48-58页概述第48-50页研究背景第48页相关工作第48-50页归纳矩阵补全第50-53页低秩线性模型第50-51页归纳矩阵补全第51-52页基于主成分的特征提取第52-53页实验分析第53-57页综合实验效果比较第53-55页参数设置第55-56页运用表示学习方法提取特征的结果比较第56-57页本章小结第57-58页第五章基于元图的链接预测第58-70页概述第58-60页研究背景第58页相关工作第58-60页基于元图的隐性特征提取模型第60-65页概念定义第60-62页基于Meta-graph的相似性计算第62-63页基于Meta-graph的隐性特征提取第63页基于分解机的权值计算第63-65页基于元图的链接预测第65页实验分析第65-68页多种预测模型比较第66-67页参数设定第67-68页本章小结第68-70页第六章总结和展望第70-74页总结第70-71页展望第71-74页参考文献第74-80页致谢第80-81页。

上一篇:“生死有命,富贵在天”,“进退有命,迟速有时”等语, 非圣人主张!!!儒学经解 情感教育定义

下一篇:没有了