摘要
本发明公开了一种基于多视图对比学习的药物相互作用预测方法。首先,构建包含药物及其相关信息的多视图结构,充分利用语义信息、结构信息和全局结构信息进行视图协作。接着,采用对比学习方法对不同视图中的数据进行处理,通过高效利用局部信息和全局信息来减少样本差异性来获得高质量的节点嵌入。最后,将学习得到的嵌入特征输入到药物相互作用预测模块中进行药物相互作用的精确预测。本发明能够有效改善药物相互作用预测方法存在的高阶语义信息忽略和节点嵌入退化问题。
技术关键词
药物相互作用预测
语义实体
全局结构信息
超参数
度编码器
样本
节点
网络
关系
数据
多层感知机
嵌入特征
处理器
学习方法
注意力机制
系统为您推荐了相关专利信息
多模态深度学习
神经网络模型
超参数
预测系统
子模块
在线评估方法
脉冲神经网络构建
离线
电池充电阶段
数据
损伤位置识别方法
神经网络模型
多层感知机
桥墩结构
水平抗力系数
烟草销量预测方法
训练样本集
销量预测模型
历史销量数据
组合模块
调配优化方法
应急物资调度
遥感影像数据
路段
Dijkstra算法