买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明涉及医疗领域和数据挖掘技术领域，特别涉及一种利用疾病知识图谱发现疾病‑症状关联关系的方法，包括将疾病知识图谱分解得到疾病和症状相关的二分网络，并以邻接矩阵的形式保存；根据二分网络计算疾病节点和症状节点的相似性矩阵，并将其融合为一个综合疾病相似性矩阵和一个综合症状相似性矩阵；构建图自编码器提取得到节点的非线性表示；使用非负矩阵分解提取节点的线性表示；将线性表示和非线性表示结合，通过全连接神经网络进行疾病‑症状关联预测；本发明在相似性网络计算阶段提出了一种更全面且有效的相似性网络计算方法，将图结构上下文信息与节点序列信息相结合，获得更可靠的相似性网络。

主权项：1.一种利用疾病知识图谱发现疾病-症状关联关系的方法，其特征在于，具体包括以下步骤：S100、将疾病知识图谱分解为多个包括疾病节点或和症状节点的二分网络，并将二分网络以邻接矩阵的形式保存；具体包括以下步骤：S110、从疾病知识图谱中抽取疾病节点和除了疾病节点以外的其他节点，形成疾病节点与疾病知识图谱中抽取的除了疾病节点以外的任意一种其他节点的二分网络，所有二分网络构成疾病相关二分网络；S120、从疾病知识图谱中抽症状节点和除了症状节点以外的其他节点，形成症状节点与疾病知识图谱中抽取的除了症状节点以外的任意一种其他节点的二分网络，所有二分网络构成症状相关二分网络；S130、在二分网络中循环删除节点的度小于p的一类型节点和度小于q的另一类型节点，得到精简后的二分网络；S140、将精简后的二分网络以邻接矩阵的形式保存；S200、根据所有得到的二分网络计算疾病节点和症状节点的相似性矩阵，并将其融合为一个综合疾病相似性矩阵和一个综合症状相似性矩阵；具体包括以下步骤：S210、在疾病相关的二分网络集合中，对每个二分网络基于SimRank算法分别计算每个疾病的SimRank相似性，得到每个疾病的SimRank相似性矩阵；S220、在症状相关的二分网络集合中，对每个二分网络基于SimRank算法计算每个症状的SimRank相似性，得到每个症状的SimRank相似性矩阵；S230、在症状相关的二分网络集合中，对每个二分网络基于DeepWalk算法获取每个症状的特征表示，计算两个症状特征表示之间的余弦相似度，构建症状的DeepWalk相似性矩阵；S240、在疾病相关的二分网络集合中，对每个二分网络基于DeepWalk算法获取每个疾病的特征表示，计算两个疾病特征表示之间的余弦相似度，构建疾病的DeepWalk相似性矩阵；S250、基于非线性相似性网络融合方法SNF将疾病的SimRank相似性矩阵和DeepWalk相似性矩阵进行融合得到综合疾病相似性矩阵；S260、基于非线性相似性网络融合方法SNF将症状的SimRank相似性矩阵和DeepWalk相似性矩阵进行融合得到综合症状相似性矩阵；S300、构建图自编码器，利用图自编码器基于综合疾病相似性矩阵与一个疾病节点的向量表示提取得到该疾病节点的非线性表示，基于综合症状相似性矩阵与一个症状节点的向量表示提取得到该症状节点的非线性表示；S400、使用非负矩阵分解提取疾病和症状的线性表示，即将疾病-症状关联矩阵分解为疾病的线形表示矩阵U和症状的线形表示矩阵V，且U和V为低秩非负矩阵，疾病-症状关联矩阵的一行为一个疾病节点的向量表示、一列为一个症状节点的向量表示；S500、将线性表示和非线性表示结合，通过全连接神经网络进行疾病-症状关联预测。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种利用疾病知识图谱发现疾病-症状关联关系的方法