带权疾病网络上的潜在共病关系预测

• 作者: 刘莉 安莹 李忠民 王志娜 罗熹 陈先来
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 共病 网络分析 监督学习 链路预测
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 计算机科学
• 页码范围: 33-40
• 页数: 8页
• 分类号: TP399
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2019.12.005

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘莉	中南大学信息安全与大数据研究院	81	551	11.0	20.0
2	陈先来	中南大学信息安全与大数据研究院	39	149	8.0	10.0
3	安莹	中南大学信息科学与工程学院	15	41	4.0	5.0
7	李忠民	中南大学信息安全与大数据研究院	11	27	3.0	5.0
8	罗熹	湖南警察学院信息技术系	10	12	2.0	2.0
9	王志娜	中南大学信息科学与工程学院	1	0	0.0	0.0