| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景 | 第8-10页 |
| 1.1.1 药物重定位面临的机遇和挑战 | 第8-9页 |
| 1.1.2 药物重定位的意义 | 第9-10页 |
| 1.1.3 药物重定位的一般流程 | 第10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 药物重定位研究现状 | 第10-11页 |
| 1.2.2 特征工程中特征组合研究现状 | 第11页 |
| 1.2.3 协同过滤用于药物重定位的研究现状 | 第11-12页 |
| 1.2.4 基于特征组合的推荐系统研究现状 | 第12-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 1.5 小结 | 第16-17页 |
| 第二章 相关理论知识介绍 | 第17-24页 |
| 2.1 推荐算法的应用 | 第17-18页 |
| 2.2 特征选择 | 第18-19页 |
| 2.2.1 特征选择简介与基本框架 | 第18页 |
| 2.2.2 特征选择中的特征组合 | 第18-19页 |
| 2.3 相似度算法 | 第19-20页 |
| 2.3.1 欧式距离(EuclideanDistance) | 第19-20页 |
| 2.3.2 皮尔逊系数(PearsonCorrelationCoefficient) | 第20页 |
| 2.4 协同过滤 | 第20-22页 |
| 2.4.1 协同过滤的基本分类 | 第20页 |
| 2.4.2 协同过滤的加权平均值模型 | 第20-21页 |
| 2.4.3 加权平均值最近邻TOP-N推荐 | 第21-22页 |
| 2.5 评价指标 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 样本数据的描述与准备 | 第24-30页 |
| 3.1 样本数据描述 | 第24-26页 |
| 3.1.1 数据集描述 | 第24-25页 |
| 3.1.2 数据来源的数据库的简介 | 第25-26页 |
| 3.1.3 数据集的选择原因 | 第26页 |
| 3.2 数据探索 | 第26-27页 |
| 3.2.1 数据质量分析 | 第27页 |
| 3.2.2 数据特征分析 | 第27页 |
| 3.3 数据预处理 | 第27-28页 |
| 3.3.1 数据清理 | 第27-28页 |
| 3.3.2 数据集成 | 第28页 |
| 3.3.3 数据变换 | 第28页 |
| 3.4 处理后的数据集 | 第28-29页 |
| 3.4.1 处理后的单特征关联矩阵数据集 | 第28-29页 |
| 3.4.2 特征组合后的关联矩阵数据集 | 第29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 模型的构建与分析 | 第30-47页 |
| 4.1 实验工具选择 | 第30页 |
| 4.2 基于两种相似度算法单特征值对比 | 第30-41页 |
| 4.2.1 算法流程简介 | 第30-32页 |
| 4.2.2 药物-结构关联矩阵作为特征值 | 第32-34页 |
| 4.2.3 药物-蛋白质关联矩阵作为特征值 | 第34-36页 |
| 4.2.4 药物-副作用关联矩阵作为特征值 | 第36-39页 |
| 4.2.5 小结 | 第39-41页 |
| 4.3 基于皮尔逊算法特征组合的预测 | 第41-45页 |
| 4.3.1 特征组合预测 | 第41页 |
| 4.3.2 单特征与特征组合MAE比较预测 | 第41-42页 |
| 4.3.3 单特征与特征组合下的精确率比较预测 | 第42-43页 |
| 4.3.4 单特征与特征组合下召回率比较预测 | 第43-45页 |
| 4.3.5 小结 | 第45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 药物推荐 | 第47-49页 |
| 5.1 最优特征选择进行药物推荐 | 第47页 |
| 5.2 DrugBank中进行药物验证 | 第47-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-52页 |
| 6.1 总结 | 第49-50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54页 |