Feb, 2019

基于数据的网络对齐

PDF
TL;DRTARA, a data-driven framework for biological network alignment, utilizes a classifier to predict functional relatedness based on network topological patterns and outperforms existing state-of-the-art methods.
biological network alignmentdata-driven frameworktarafunctional knowledge transfertopological patterns
发现论文，激发创造
  • multiMAGNA++ 多网络对齐

    本论文提出了一种新的多网络差异对齐（MNA）方法 multiMAGNA++，通过在对齐构建过程中同时优化边保留和节点保留，此方法在方法评估中也引入了新的 MNA 质量度量来更全面地描述差异对齐，该方法优于或与现有 MNA 方法相当，并且通常比现有方法更快地完成对齐，而且适用于大规模网络数据并能有效实现并行。

    Apr, 2016

  • 逐步网络对齐的能力：基于双感知相似性的方法

    本研究提出了 Grad-Align，一种全新的网络对齐方法，通过渐进地发现具有强一致性的节点对来逐步对齐节点，实现了更加准确的节点匹配。在真实世界和合成数据集的综合实验中，我们证明了 Grad-Align 在网络对齐方面优于现有的最先进的方法。

    Jan, 2022

  • 节点特征增强维生素化网络对齐

    提出了一种名为 Grad-Align+ 的网络对齐方法，通过中心性节点特征增强、图神经网络辅助嵌入相似度计算以及 Grad-Align 中逐步发现节点对的信息，实现了在缺少锚定连接或节点特征信息的情况下高效准确的网络对齐。

    Apr, 2023

  • MAGNA：最大化全局网络对齐精度

    本文提出了一种名为 MAGNA 的新方法，使用基因算法和交叉功能来优化边保留，同时优化任何对齐精度度量，与现有的先进方法比较，MAGNA 提高了所有方法的对齐精度.

    Nov, 2013

  • 深度对抗网络对齐

    使用深度对抗学习技术，通过找到复杂的映射来对齐两个网络的嵌入分布，然后使用我们学习到的映射函数进行高效的最近邻节点对齐，该算法能够在真实世界的数据集上展现其有效性。

    Feb, 2019

  • Grad-Align+: 利用属性增强增强渐进式网络对齐

    本文提出了一种基于节点属性增强的网络对齐方法 Grad-Align+，其采用图神经网络计算嵌入相似性矩阵，并逐步发现跨网络节点对，实验结果表明该方法在节点属性缺失情况下表现优异，并有效增强了方法的鲁棒性。

    Aug, 2022

  • DNA: 动态社交网络对齐

    本文提出了一种新的动态社交网络对齐框架，并提出了深度神经结构进行优化，通过实验表明，此框架在现实世界数据集上的表现优于现有方法。

    Oct, 2019

  • 基于图匹配方法的蛋白质相互作用网络的全局对齐

    该研究针对蛋白质 - 蛋白质相互作用网络对齐问题，提出了基于图匹配算法的两种解决方案，分别基于序列相似性和相互作用保守性，两种新算法均优于现有算法，可检测到更多的已知保守性交互作用。

    May, 2009

  • AptRank：一种适应性 PageRank 蛋白质功能预测模型在双向图上

    通过构建包含蛋白质关联和功能层次网络的双重关系图模型以及应用传统的 BirgRank 和自适应机制的 AptRank 两种扩散方法，本文为基于蛋白质网络数据的蛋白质功能预测提供了一种新的预测方法，其中引入 Gene Ontology 的层次结构可以显著提高预测准确性。

    Jan, 2016

  • P-NAL: 一种有效且可解释的实体对齐方法

    我们介绍了一种使用非公理逻辑 (NAL) 的实体对齐方法 P-NAL，该方法捕捉了两种逻辑推理路径，并通过推理路径的结论增强了实体和关系的对齐，实验结果表明该方法在三个 DBP15K 数据集上的表现优于现有的方法。

    Apr, 2024