《表3[φ]取值：基于符号图卷积网络的药物互作用关系预测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于符号图卷积网络的药物互作用关系预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

我们使用AUC核和F1评价指标来衡量计算结果，它们的值越大，结果越好。随机选择20%的数据作为测试，剩余的80%的作为训练，实验进行20次。我们利用5折交叉验证完成每一次实验，然后统计平均结果。使用了5层SGCN，所有参数设定为[12]文所测试好的最佳参数：每个隐层和输出层的平衡路径、不平衡路径的嵌入维度为32。将结果与标签推导算法[4]进行了比较，结果如表2所示。上述结果表明，SGCN作为一种DDI预测的计算途径，具有可行性。