《表3[φ]取值:基于符号图卷积网络的药物互作用关系预测》
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。
图表编号 | XD00211044000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.05 |
作者 | 李淑怡、黎珊、王鑫、陈明、姬文兴 |
绘制单位 | 湖南师范大学信息科学与工程学院、湖南师范大学信息科学与工程学院、湖南师范大学信息科学与工程学院、湖南师范大学信息科学与工程学院、湖南师范大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |