基于跨全局注意力图核网络的药物处方预测
机器学习
2020-08-06 v1 机器学习
摘要
我们提出了一种端到端、可解释的深度学习架构,用于学习预测慢性病药物处方结果的图核。这是通过深度度量学习与支持向量机目标相协作,并利用电子健康记录的图表示实现的。我们将预测模型表述为一个二值图分类问题,借助新颖的跨全局注意力节点匹配在患者图之间自适应地学习图核,无需生成训练对或三元组即可在多个图上同时计算。使用台湾全民健康保险研究数据库的结果表明,我们的方法在准确率和可解释性方面均优于当前最先进的模型。
引用
@article{arxiv.2008.01868,
title = {Cross-Global Attention Graph Kernel Network Prediction of Drug Prescription},
author = {Hao-Ren Yao and Der-Chen Chang and Ophir Frieder and Wendy Huang and I-Chia Liang and Chi-Feng Hung},
journal= {arXiv preprint arXiv:2008.01868},
year = {2020}
}
备注
ACM-BCB 2020 (Full paper)