基于社区结构的推荐系统中冷启动问题研究

由于推荐系统中数据稀疏性和冷启动问题日益严重,传统的算法无法有效地解决这些问题,现有的改进算法由于稳定性差,仍然需要预先确定具体的参数。文章提出了一种基于社区结构的冷启动算法以改善推荐系统中的冷启动问题,通过计算用户和项目节点的相似度投影二分网络,利用改进的Louvain算法对投影单模式网络进行社区检测,使新记录更新到社区,然后进行对用户社区组推荐。与其他冷启动算法相比,该算法在推荐准确率和运行效率有明显提升。

miRNA与疾病关联关系预测算法

microRNAs(miRNAs)在生命进程中发挥着重要作用.近年来,预测miRNAs与疾病的关联关系成为一个研究热点.当前,计算方法整体上可以分为两大类:基于相似度度量的方法和基于机器学习的方法.前者通过度量网络中节点之间的关联强度预测miRNA-疾病关联,但需要构建高质量的生物网络模型;后者将机器学习相关算法应用到这个问题中,但需要构建高可信度的负例集合.基于以上困难和不足,提出了一种计算模型BNPDCMDA,用于预测miRNAs-疾病关联关系.该方法首先构建miRNA-疾病双层网络模型,然后利用miRNA的功能相似度对其进行基于密度的聚类,进而将二分网络投影应用于聚类后的miRNAs及疾病集合构成的miRNA-疾病双层子网中,最终完成对miRNA与疾病关联关系的预测.实验结果表明,采用留一交叉验证法得到的AUC值可达99.08%,明显优于当前其他高效方法.最后,采用BNPDCMDA方法对某些常见疾病所关联的miRNAs进行预测,实验结果获得了文献的支持,进一步表明了该方法的有效性.