摘要
基于对比学习的pi RNA与疾病关联预测方法、装置及设备,步骤为:步骤S1,构建p i RNA‑疾病异构图网络;步骤S2,融合多层次语义信息;步骤S3,根据结点表示,引入Transformer模型,增强piRNA与疾病结点的全局关联建模能力;步骤S4,构建拓扑图和语义图;步骤S5,获得准确的p iRNA‑疾病关联预测分数;预测装置,包括异构图构建单元,结点嵌入学习单元,结点嵌入学习单元;电子设备的输入输出单元、存储单元、通信单元、RAM单元、ROM单元以及GPU,通过总线相互连接,支持p iRNA与疾病关联预测任务的复杂计算和数据交互需求;具有预测准确性高的特点。
技术关键词
结点
疾病关联预测方法
拓扑图
语义
ROM单元
疾病特征
KNN算法
异构
输入输出单元
注意力机制
通信单元
存储单元
样本
关系
矩阵
邻居
预测装置
网络
系统为您推荐了相关专利信息
大语言模型
评估系统
微调方法
数据获取模块
样本类别标签
资源匹配模型
医疗资源分配方法
患者
语义特征
在线状态数据
应急预案生成方法
记忆
数据采集模块
生成系统
分析工具
图像自动识别方法
地质雷达
区域生成网络
多模态
多层次深度特征
意图
数据处理方法
电子设备上执行
画像
数据处理装置