一种基于多元数据融合的疾病相似性预测方法及系统

本发明涉及一种基于多元数据融合的疾病相似性预测方法及系统，方法包括：收集基因网络数据、miRNA网络数据、疾病‑基因关联矩阵和疾病‑miRNA关联矩阵，形成统一的异构生物网络；通过图卷积网络和改进图注意力网络提取得到生成多模态特征集；利用多层感知机计算多模态特征集中各特征的独立权重，结合关联矩阵，生成疾病的基因视角嵌入和miRNA视角嵌入，作为模型输入训练得到轻量级双线性塔模型；通过交替训练策略和受ReconBoost启发的正则化机制优化模型参数，得到优化轻量级双线性塔模型，得到目标疾病对的相似性预测结果。有效弥补了现有技术在多元数据整合、稀疏数据处理及预测稳定性方面的不足。