公开(公告)号：CN118335201B

公开(公告)日：2024-10-01

申请号：CN202410748840.X

申请日：2024-06-12

Applicant: 安徽农业大学

Inventor： 陈文希 ,  王永梅 ,  辜丽川 ,  张友华 ,  鲁顶芝 ,  高羽佳 ,  宋贵宾 ,  张永恒

IPC: G16B40/00 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明涉及一种预测方法，具体是基于可变形卷积神经网络和趋同相似性原理的预测方法，通过收集蛋白质序列、蛋白质结构数据和蛋白质相互作用信息；使用可变形卷积神经网络DCN模型对蛋白质序列进行特征提取；计算蛋白质的趋同相似性，将获得的序列相似性矩阵、结构相似性矩阵、功能相似性矩阵三个矩阵，将所有矩阵的加权平均作为融合后最终的相似性矩阵；选择图神经网络GNN处理图结构数据，使用部分已知的蛋白质相互作用信息来训练预测模型，选择随机梯度下降优化算法优化模型参数；利用优化后的预测模型对蛋白质的相互作用进行预测。本发明融合可变形卷积技术和趋同相似性技术，显著提升了蛋白质相互作用网络的数据质量和深度解析。

公开(公告)号：CN118335201A

公开(公告)日：2024-07-12

申请号：CN202410748840.X

申请日：2024-06-12

Applicant: 安徽农业大学

Inventor： 陈文希 ,  王永梅 ,  辜丽川 ,  张友华 ,  鲁顶芝 ,  高羽佳 ,  宋贵宾 ,  张永恒

IPC: G16B40/00 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明涉及一种预测方法，具体是基于可变形卷积神经网络和趋同相似性原理的预测方法，通过收集蛋白质序列、蛋白质结构数据和蛋白质相互作用信息；使用可变形卷积神经网络DCN模型对蛋白质序列进行特征提取；计算蛋白质的趋同相似性，将获得的序列相似性矩阵、结构相似性矩阵、功能相似性矩阵三个矩阵，将所有矩阵的加权平均作为融合后最终的相似性矩阵；选择图神经网络GNN处理图结构数据，使用部分已知的蛋白质相互作用信息来训练预测模型，选择随机梯度下降优化算法优化模型参数；利用优化后的预测模型对蛋白质的相互作用进行预测。本发明融合可变形卷积技术和趋同相似性技术，显著提升了蛋白质相互作用网络的数据质量和深度解析。

公开(公告)号：CN118333728A

公开(公告)日：2024-07-12

申请号：CN202410744216.2

申请日：2024-06-11

Applicant: 安徽农业大学

Inventor： 叶宇 ,  王永梅 ,  饶元 ,  范雅辰 ,  鲁顶芝 ,  孙萍 ,  姚思亦 ,  高羽佳

IPC: G06Q30/0601 ,  G06F18/22 ,  G06F18/21 ,  G06F18/214 ,  G06N3/042

Abstract: 本发明适属于图对比学习技术领域，具体是一种基于图对比学习的个性化推荐方法，包括如下步骤：依据用户与物品之间的交互数据构建一个交互图，图中的节点表示用户和物品，边表示它们之间的交互关系；利用图神经网络处理交互图，通过迭代更新的方式对每个节点进行特征学习；引入对比学习技术，通过定义正样本对与负样本对并使用对比损失函数，来优化学习到的节点特征表示；基于优化后的节点特征表示，计算用户节点与物品节点之间的相似度，根据相似度得分为每个用户生成个性化的推荐列表。本发明能够应用于电子商务、在线媒体等多种场景，具有良好的广泛适用性。