一种用于增强宏基因组数据中病毒识别的多模态注意力深度学习方法

本申请涉及数据处理技术领域，公开了一种用于增强宏基因组数据中病毒识别的多模态注意力深度学习方法，包括数据预处理、序列嵌入、多模态特征提取、动态特征融合及预测、以及超参数调优与训练五个主要步骤；通过GAT、自编码器、卷积长短期记忆网络和Transformer四种模型路径，分别提取序列的图结构特征、潜在特征、时空特征和全局特征引入自注意力机制，根据输入序列的特征自适应地调整各路径的贡献权重，利用GAT和自编码器进行序列嵌入，捕捉长距离依赖关系和潜在特征采用ConvLSTM和Transformer模型路径，提取时空和全局特征过超参数调优和训练策略优化；本申请提高了对病毒序列的识别能力，同时提高特征融合的准确性，并且进一步提升模型的性能和鲁棒性。