[发明专利]一种对异质网络中的节点进行聚类的方法

权利要求书

1.一种对异质网络中的节点进行聚类的方法，其特征在于，所述聚类的结果可应用于数据挖掘或生物信息领域中，该方法包括以下步骤：

根据异质网络中异质节点间的关联关系数据，构建相邻两层节点间关联矩阵；

对于具有层次结构的节点，根据节点间的层次关联关系，构建不同层次的节点内层次关联矩阵；

以节点间关联矩阵和节点内层次关联矩阵作为输入，构建一致性多非负矩阵分解模型，并进行优化，得到节点聚类矩阵；

对节点聚类矩阵进行归一化处理，若节点与簇的相关性大于给定阈值，则认为该节点属于该簇，完成对异质网络中的节点的聚类；

当应用于生物信息领域中的挖掘基因功能模块时，该方法具体包括：

根据基因和表型本体间的关联关系数据，构建基因-表型本体关联矩阵；根据表型本体层次间的关联关系，构建不同层次的表型本体间的层次关联矩阵；

以基因-表型本体关联矩阵、表型本体间的层次关联矩阵作为输入，构建一致性多非负矩阵分解模型，并进行优化，得到基因聚类矩阵；

对基因聚类矩阵进行归一化处理，若某个基因与特定簇的关系值大于特定阈值，则认为该基因属于该簇，每一簇中的一组基因构成一个基因功能模块；

其中，基因-表型本体关联矩阵定义如下：根据基因和表型本体的关联关系数据，分别构建同一组基因与两个层次中表型本体的关联矩阵，分别记为A₁和A₂，其中若基因i和表型j存在已知关联，则对应的A_ij＝1，否则A_ij＝0。

2.根据权利要求1所述的一种对异质网络中的节点进行聚类的方法，其特征在于，所述一致性多非负矩阵分解模型由多矩阵一致性分解损失项、表型本体间层次约束项、稀疏约束和非负约束四部分组成。

3.根据权利要求2所述的一种对异质网络中的节点进行聚类的方法，其特征在于，所述多矩阵一致性分解损失项为：

用于约束在两个节点间关联矩阵上同时进行矩阵分解，在分解得到的聚类相同的情况下，保持分解前后损失尽可能的小。

4.根据权利要求2所述的一种对异质网络中的节点进行聚类的方法，其特征在于，所述表型本体间层次约束项为：

用于约束分解后得到的表型特征矩阵，对于具有父子关系的表型本体之间的相似性尽可能的大。

5.根据权利要求2所述的一种对异质网络中的节点进行聚类的方法，其特征在于，所述稀疏约束为：用于控制复杂程度。

6.根据权利要求2所述的一种对异质网络中的节点进行聚类的方法，其特征在于，所述多矩阵一致性分解损失项应用于生物信息领域中的挖掘基因功能模块时，

用于约束在两个基因-表型关联矩阵上同时进行矩阵分解，在分解得到的基因聚类相同的情况下，保持分解前后损失尽可能的小。