公开(公告)号：CN105938524A

公开(公告)日：2016-09-14

申请号：CN201610266864.7

申请日：2016-04-26

Applicant: 清华大学

Inventor： 陈挺 ,  陈宁 ,  杨煜清

IPC: G06F19/24 ,  G06F19/18

CPC classification number: G16B20/00 ,  G16B40/00

Abstract: 本发明提供一种微生物关联网络预测方法及装置，该方法包括：获取宏基因组测序样本中各种微生物的丰度，以及每一宏基因组测序样本对应的环境因素测量值；根据每一宏基因组测序样本的数据产生过程、每一宏基因组测序样本中各种微生物的丰度以及对应的环境因素测量值，建立分层贝叶斯模型；采用最大后验估计算法对分层贝叶斯模型进行学习，确定分层贝叶斯模型的目标函数；对目标函数进行优化；采用优化后的分层贝叶斯模型预测微生物之间的关联和微生物与环境因素测量值之间的关联，从而提高在微生物关联和微生物与环境因素关联的预测任务中的准确性和实用性。

公开(公告)号：CN103198228A

公开(公告)日：2013-07-10

申请号：CN201310136241.4

申请日：2013-04-18

Applicant: 清华大学

Inventor： 陈宁 ,  朱军 ,  张钹

IPC: G06F19/00

Abstract: 本发明提供一种基于广义关系隐话题模型的关系网络链接预测方法,涉及计算机应用领域。包括以下步骤：S1、将文本关系网络数据进行预处理，提取词袋文本特征及文档间的链接关系；S2、根据所述词袋文本特征及文档间的链接关系，建立广义关系隐话题链接预测模型；S3、将所述广义关系隐话题链接预测模型进行训练；S4、将训练好的广义关系隐话题链接预测模型用来预测文档之间的链接关系。本发明克服了现有技术中存在的对称性关系判别函数的不合理、因关系判别函数中数据似然与损失函数两部分的不均衡以及近似推理的均值场假设所造成的链接关系预测性能不理想的缺陷，显著提高在链接关系预测、网络推荐、文本检索等任务中的实用性能。