检索结果-内蒙古大学图书馆

作者：连浩杰青岛科技大学

学位级别：硕士

在现代医学发展的历程中,药物的发现和开发一直是推动人类健康进步的关键因素。从最初的天然药物到现代的合成药物,每一步的进展都是对疾病治疗方法的重大突破。然而,传统的药物开发过程不但成本高昂,而且周期漫长。为加快新药的上市速... 详细信息

在现代医学发展的历程中,药物的发现和开发一直是推动人类健康进步的关键因素。从最初的天然药物到现代的合成药物,每一步的进展都是对疾病治疗方法的重大突破。然而,传统的药物开发过程不但成本高昂,而且周期漫长。为加快新药的上市速度并降低研发成本,在医药科学不断进步的背景下,药物重定位研究逐渐兴起,它通过寻找现有药物的新用途,为现有药物赋予新的生命,也为疑难疾病的诊治带来了新的希望和可能性。随着计算技术的飞速发展,计算药物重定位成为药物研发领域的一股新兴力量。它利用生物信息学、数据挖掘和机器学习等先进技术,从海量的生物医学数据中挖掘潜在的药物-疾病关联,极大地提高了药物重定位的效率和准确性。然而,由于药物和疾病数据的异质性、复杂性和稀疏性,目前计算药物重定位面临诸多严峻挑战。面对上述挑战,本课题基于图表示学习方法和异质信息融合技术进行研究,重点探究基于异质网络建模预测药物-疾病关联,旨在提出预测能力更强、鲁棒性更好的计算药物重定位方法。本文的主要研究内容如下: 1.提出基于图表示学习的药物重定位加权整合方法WIGRL。首先,使用图卷积网络模块提取相似网络中节点的邻域特征。其次,使用图注意力网络模块捕获相似网络中目标节点的邻居交互特征。再次,引入投影编码来表示药物-疾病关联网络中的关联对。最后,将上述不同来源的特征并行融合,形成更具代表性的统一向量,并输入解码器进行药物-疾病关联预测。在Fdataset、Cdataset和LRSSL三个基准数据集上的十折交叉验证表明,WIGRL取得最高的平均指标,并成功识别最多的真阳性关联,优于对比方法。在实例研究中,WIGRL能够发现数据集中未记录的新关联,并得到临床试验和权威数据源的验证。此外,WIGRL还为阿尔茨海默病和帕金森病发现新的候选药物,并经过分子对接实验及可视化验证。 2.提出基于多模态图表示学习的药物重定位方法MGRL-DR。首先,在数据预处理过程中,整合异质网络并引入分子特征增强模块,强化药物和疾病的特征表示。其次,引入双线性图卷积和图注意力网络模块,编码提取药物和疾病的节点特征。最后,通过自编码器模块编码药物-疾病关联的潜在特征,并整合上述三个模块以提升模型的表征能力。在Fdataset、Cdataset、LRSSL和Ldataset四个数据集上进行的十折交叉验证表明,该方法在AUROC、AUPR以及其他性能指标上均优于对比方法。在实例研究中,本文预测的药物-疾病关联得到了临床试验和权威数据源的支持。该方法为药物发现提供高效的新途径。

关键词：计算药物重定位图表示学习异质信息融合图卷积网络图注意力网络

来源：评论

学校读者我要写书评

暂无评论

融合异质信息的多旅游场景推荐方法研究

融合异质信息的多旅游场景推荐方法研究

引用

作者：陈蕾南京理工大学

学位级别：博士

随着经济的迅速发展和人们生活水平的不断提升,旅游已经成为休闲娱乐的重要方式。针对不同旅游场景,用户对旅游推荐系统的需求具有多样性,例如,一些用户希望在线旅游平台提供个性化的旅游套餐服务;一些用户希望推荐的旅游套餐具有可解释... 详细信息

随着经济的迅速发展和人们生活水平的不断提升,旅游已经成为休闲娱乐的重要方式。针对不同旅游场景,用户对旅游推荐系统的需求具有多样性,例如,一些用户希望在线旅游平台提供个性化的旅游套餐服务;一些用户希望推荐的旅游套餐具有可解释性,并同时考虑偏好的动态性;一些用户在陌生的城市旅游,需要制定同时满足时空约束和个性化需求的旅游行程;结伴旅游的用户希望旅游行程满足群组中大部分用户的需求。在以上旅游场景中包含了大量的异质信息,体现在多方面:(i)旅游数据的类型包含连续的,也包含离散的,可以是静态的,也可以是动态的,可以是结构化的,也可以是半结构化的,可能是完整的,也可能是缺失的;(ii)旅游数据涉及用户侧、物品侧和全局侧;(iii)旅游主体可以是用户也可以是群组。如何从这些异质信息中挖掘用户的在线行为特征、地理位置信息和线下移动轨迹数据,全面洞察旅游场景中用户多样性的旅游需求和偏好,是旅游推荐系统亟待解决的重要问题。针对这些问题,本文的研究工作主要包括:(1)提出了一种基于矩阵分解和特征融合的旅游产品推荐模型。已有研究存在只考虑用户侧和物品侧特征,忽略全局特征或者仅将全局特征建模为评分函数的偏差值等问题。有鉴于此,本文综合考虑用户侧、物品侧和全局特征,结合用户-物品交互矩阵和多种辅助特征,进行旅游产品推荐。同时,该模型可以看作一种基于全量数据的学习框架,利用缺失数据更新线性回归模型和概率矩阵分解模型的参数。此外,本文还探索了特征的重要性,以揭示旅游产品推荐中关键性的辅助信息。(2)提出了一种基于用户动态偏好和意图识别的旅游产品推荐模型。旅游数据中,用户的偏好是随时间变化的,并且除了点击过的旅游产品,用户的购买意图也会通过其他监督信号来识别。有鉴于此,我们将旅游产品标题中包含的关键词看作额外的监督信号,来学习相似产品中包含的共同意图,提出了一种多任务学习方法,将基于用户动态偏好的旅游产品推荐与识别用户意图的关键词生成任务相结合进行建模,可以提高推荐性能,并提升推荐结果的可解释性。同时,该模型在旅游产品推荐和关键词生成任务中都考虑了用户的长短期偏好。(3)提出了一种融合文本信息的深度协同个性化行程推荐模型。现有算法通常忽略个性化行程的时空约束或者仅通过兴趣点(Places-of-Interest,简称POI)类别信息建模用户偏好,会造成POI类别冷启动问题。有鉴于此,采用无监督深度学习模型同时学习POI文本信息和POI类别的表征,并集成POI文本信息、POI类别信息和用户-POI交互信息,预测用户对POI的兴趣程度和个性化停留时间。然后,将个性化行程推荐问题看作定向问题的变体,提出了一种基于迭代局部搜索算法进行求解,得到最优化的旅游行程。(4)提出了一种基于注意力机制的群组行程推荐模型。传统的群组行程推荐方法大多采用预定义的偏好聚合策略,而不考虑群组成员不同的特征和交互关系。此外,POI文本信息有助于学习群组的总体偏好,也很少被考虑。有鉴于此,提出了一种基于注意力机制的群组行程推荐模型。该模型通过注意力机制动态学习群组成员之间的交互,并且获得群组成员偏好和群组总体偏好。同时,该模型通过另一个注意力网络学习POI文本信息和类别信息的表征。最后,将预测的群组总体偏好应用到定向问题的变体中,提出一种基于迭代局部搜索算法求解群组行程。该模型也可以将群组总体偏好替换成群组成员偏好来解决个性化行程推荐问题。

关键词：旅游产品推荐旅游行程推荐群组推荐推荐系统序列推荐异质信息融合深度学习注意力机制自然语言处理

来源：评论

学校读者我要写书评

暂无评论

基于文本语义和社交行为信息融合的讽刺检测方法

引用

网络与信息安全学报 2023年第4期9卷 134-143页

作者：付朝阳陈致凯潘理上海交通大学网络安全技术研究院上海200240 信息安全综合管理技术研究上海市重点实验室上海200240 上海交通大学张江高等研究院上海200240

讽刺是一种复杂的隐式情感,讽刺检测是文本情感分析领域的重要研究问题,对于社交网络舆情分析有极强的现实意义。讽刺文本的表层语义和用户的真实情感往往相反,基于表层语义的文本情感检测通常会得到错误的分类结果。日常交流中的讽刺... 详细信息

讽刺是一种复杂的隐式情感,讽刺检测是文本情感分析领域的重要研究问题,对于社交网络舆情分析有极强的现实意义。讽刺文本的表层语义和用户的真实情感往往相反,基于表层语义的文本情感检测通常会得到错误的分类结果。日常交流中的讽刺往往借助语调、神态等非文本信息进行表达,因此单纯基于文本语义的讽刺检测方法无法利用非文本信息,极大地制约了检测效果。为了充分利用文本语义与用户社交行为信息,提升讽刺检测效果,提出了一种基于文本语义和社交行为信息融合的讽刺检测方法。该方法构造了包含用户、文本、情感词的异质信息网络,并设计了一种用于异质信息图表征向量计算的图神经网络模型。该模型使用双重注意力机制提取社交行为信息,通过情感子图挖掘文本深层语义,最终得到融合文本语义和社交行为信息的融合特征向量。融合特征向量可以用于训练分类器,进而完成社交网络文本讽刺检测。在推特真实数据集上的充分实验表明,所提方法的分类效果优于现有的讽刺文本检测方法。

关键词：讽刺检测图神经网络异质信息融合隐式情感分析

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：