安莹1,2,王志娜1,陈先来2,刘莉2,李忠民2,罗熹3.带权疾病网络上的潜在共病关系预测[J].湖南大学学报:自然科学版,2019,(12):33~40
带权疾病网络上的潜在共病关系预测
Prediction of Latent Comorbidity Relationship in Weighted Disease Network
  
DOI:
中文关键词:  共病  网络分析  监督学习  链路预测
英文关键词:comorbidity  network analysis  supervised learning  link prediction
基金项目:
作者单位
安莹1,2,王志娜1,陈先来2,刘莉2,李忠民2,罗熹3 (1.中南大学 信息科学与工程学院湖南 长沙 410083 2.中南大学 信息安全与大数据研究院湖南 长沙 410083 3.湖南警察学院 信息技术系湖南 长沙 410138) 
摘要点击次数: 124
全文下载次数: 88
中文摘要:
      网络分析法将潜在的共病关系预测转化为复杂网络上的链路预测问题,而现有的基于相似性度量的链路预测方法大多仅单一地考虑某一方面的网络特征,大大影响了预测的准确性. 使用3个不同来源的真实医疗数据集分别构建了相应的带权疾病网络,并通过对不同网络结构差异性的比较,分析了现有的网络相似性度量指标的局限性. 在此基础上,提出了一种新的基于有监督分类的链路预测方法,综合多种局部和全局相似性指标作为输入特征向量,更为精确地评估节点间的相似性,从而实现潜在共病关系的有效预测. 实验结果表明,该方法能有效提高共病网络中链路预测的准确性,并且对于不同共病网络和分类算法均具有较好的稳定性和适用性.
英文摘要:
      Network analysis method transforms the prediction of potential comorbidity relationships into link prediction problems on complex network. However,most existing similarity measurement methods only consider a certain aspect of network characteristics,which greatly affects the accuracy of prediction. In this paper,three weighted disease networks are established using the real medical datasets from different sources. By comparing the structural differences of different networks,the limitations of existing network similarity indicators are analyzed. On this basis,a new link prediction method based on supervised classification is proposed,which integrates multiple local and global similarity indexes as input feature vectors in order to more accurately evaluate the similarity between nodes. Thus,the effective prediction of potential comorbidity relationships is achieved. The experimental results show that the proposed method can effectively improve the accuracy of link prediction in comorbidity network and has better stability and adaptability in different disease network and classification algorithms.
查看全文  查看/发表评论  下载PDF阅读器
关闭