Zero Shot Learning for Predicting Energy Usage of Buildings in Sustainable Design
University of Missouri-Columbia（密苏里大学哥伦比亚分校）；PlanIT Impact（PlanIT Impact公司）
“2030挑战”的目标是到2030年使所有新建筑和重大改造实现碳中和。应对这一挑战的潜在解决方案之一是通过创新的可持续设计策略。为了制定这样的策略，重要的是要了解各种建筑因素如何在设计时对建筑物的能源使用做出贡献。近年来，人工智能（AI）的发展为通过从现有数据中学习建筑因素之间的复杂关系来推进可持续设计提供了前所未有的机会。然而，基于AI的解决方案需要丰富的训练数据集才能实现良好的预测精度。不幸的是，在许多现实世界的应用中，获得训练数据集是耗时且昂贵的。出于这些原因，我们解决了准确预测新的或未知的建筑类型的能量使用的问题，即，那些没有任何训练数据的建筑类型。我们提出了一种基于零样本学习（ZSL）的新方法来解决这个问题。我们的方法使用建筑能源建模专家的辅助信息来预测给定的新/未知建筑类型的最接近的建筑类型。然后，我们使用在训练期间学习的模型获得k个最接近的建筑类型的预测能源使用量，并使用加权平均函数组合预测值。我们在一个包含五种建筑类型的数据集上评估了我们的方法，这些建筑类型是使用BuildSimHub生成的，BuildSimHub是一个流行的建筑能源建模平台。我们的方法比在已知建筑类型的整个数据集上训练的回归模型（基于XGBoost）实现了更好的平均准确度。
2022-02-10 cs.LG
Predicting Multi-Type Talented Students in Secondary School Using Semi-Supervised Machine Learning
The Hong Kong Polytechnic University（香港理工大学）
本研究针对传统天赋识别依赖人工、侧重学业且干预滞后的问题，提出融合Transformer、LSTM和ANN的半监督多模态模型TalentPredictor，基于1041名中学生数据实现七类天赋的早期高准确率识别。
2025-08-31 cs.LG
Predicting Time-to-conversion for Dementia of Alzheimer's Type using Multi-modal Deep Survival Analysis
Simon Fraser University（西蒙弗雷泽大学）；Wake Forest University（维克森林大学）；University of Victoria（维多利亚大学）；University of Nottingham（诺丁汉大学）；Memorial University of Newfoundland（纽芬兰纪念大学）；University of British Columbia（不列颠哥伦比亚大学）；University of Miami Miller School of Medicine（迈阿密大学米勒医学院）；Ohio State University Wexner Medical Center（俄亥俄州立大学韦克斯纳医学中心）
阿尔茨海默型痴呆（DAT）是一种受多种因素影响的复杂疾病，但目前尚不清楚每个因素如何促进疾病进展。对这些因素的深入研究可以准确估计不同疾病阶段患者转换为DAT的时间。我们使用了401名受试者的63个特征，这些特征来自阿尔茨海默病神经影像学倡议（ADNI）数据库中的MRI、遗传学和CDC（认知测试、人口统计学和CSF）数据模式。我们使用了一个基于深度学习的生存分析模型，该模型扩展了经典的Cox回归模型来预测转换为DAT的时间。我们的研究结果表明，遗传特征对生存分析的贡献最小，而CDC特征贡献最大。结合MRI和遗传特征比单独使用任何一种方式都能提高生存预测，但将CDC添加到任何特征组合中只会起到仅使用CDC特征的作用。因此，我们的研究表明，使用当前的临床程序，包括收集认知测试结果，可以优于使用昂贵的遗传或CSF数据产生的生存分析结果。
2022-05-02 cs.LG
Contrastive Learning for Predicting Cancer Prognosis Using Gene Expression Values
University of Miami（迈阿密大学）；Sylvester Comprehensive Cancer Center（西尔维斯特综合癌症中心）
本文提出将对比学习应用于肿瘤转录组数据以学习低维特征表示，并构建分类器和CLCox模型，在19种癌症预后预测中显著优于现有方法，相关模型和代码已公开。
2024-05-16 cs.LG
AMFPMC -- An improved method of detecting multiple types of drug-drug interactions using only known drug-drug interactions
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
不良药物相互作用在很大程度上是可预防的医疗事故的原因，这往往导致医生和急诊室的遭遇。在药物用于医疗实践之前，在实验室中检测药物相互作用是必不可少的，但它是昂贵和耗时的。机器学习技术可以提供一种有效而准确的方法来预测可能的药物相互作用，并解决日益严重的药物不良相互作用问题。大多数现有的预测相互作用的模型依赖于药物的化学性质。虽然这样的模型可能是准确的，但所需的属性并不总是可用的。
2023-02-07 cs.LG
Multi-channel neural networks for predicting influenza A virus hosts and antigenic types
University of Liverpool（利物浦大学）
流感每个季节都会发生，偶尔会引起大流行。尽管流感的死亡率很低，但它是一个主要的公共卫生问题，因为它可以并发肺炎等严重疾病。一种快速、准确、低成本的方法来预测流感病毒的起源宿主和亚型，有助于减少病毒传播，使资源贫乏的地区受益。在这项工作中，我们提出了多通道神经网络来预测抗原类型和宿主的甲型流感病毒的血凝素和神经氨酸酶蛋白质序列。使用包含完整蛋白质序列的整合数据集来产生预训练模型，并且使用另外两个数据集来测试模型的性能。一个测试集包含完整的蛋白质序列，另一个测试集包含不完整的蛋白质序列。结果表明，多通道神经网络是适用和有前途的预测流感病毒宿主和抗原亚型的完整和部分蛋白质序列。
2022-07-29 cs.LG q-bio.QM
A novel solution of deep learning for enhanced support vector machine for predicting the onset of type 2 diabetes
Charles Sturt University（查尔斯特大学）；Al Iraqia University（伊拉克大学）；Western Sydney University（西悉尼大学）；Kent Institute Australia（澳大利亚肯特学院）；Asia Pacific International College（亚太国际学院）；University of Kurdistan Hewler（库尔德斯坦休勒大学）；University of New South Wales（新南威尔士大学）
2型糖尿病是人类已知的最主要和最致命的疾病之一，每年有数千人患有2型糖尿病。然而，在今天的情况下，2型糖尿病的诊断和预防相对昂贵;因此，使用机器学习和深度学习技术来预测2型糖尿病的发病正在获得动力。这项研究旨在提高准确性和曲线下面积（AUC）指标，同时改善预测2型糖尿病发作的处理时间。该系统由一种深度学习技术组成，该技术使用支持向量机（SVM）算法以及径向基函数（RBF）和长短期记忆层（LSTM）来预测2型糖尿病的发作。所提出的解决方案提供了86.31%的平均准确度和0.8270或82.70%的平均AUC值，在处理中改进了3.8毫秒。径向基函数（RBF）内核和LSTM层增强了当前行业标准的预测精度和AUC度量，使其在不影响处理时间的情况下更适合实际使用。
2022-08-05 cs.LG cs.NE
A Comparative Analysis of Multiple Methods for Predicting a Specific Type of Crime in the City of Chicago
School of Computing, Dublin City University（都柏林城市大学计算学院）
本文针对芝加哥盗窃犯罪预测，比较多种机器学习方法在仅使用时空特征及不同不平衡处理技术下的效果，发现XGBoost表现最佳，F1-score达0.86。
2023-04-26 cs.CY cs.LG
Predicting Different Types of Conversions with Multi-Task Learning in Online Advertising
Yahoo Research（雅虎研究院）；Yahoo Inc.（雅虎公司）；UC Berkeley（加州大学伯克利分校）；Indeed（确实公司）
转化预测在在线广告中起着重要的作用，因为每次操作成本（CPA）已经成为行业中的主要活动绩效目标之一。与点击预测不同，转化在本质上有不同的类型，每种类型都可能与不同的决定性因素相关联。在本文中，我们将转换预测制定为多任务学习问题，以便可以一起学习不同类型转换的预测模型。这些模型共享特征表示，但具有其特定参数，从而提供跨所有任务的信息共享的好处。然后，我们提出了多任务场加权因子分解机（MT-FwFM）来联合解决这些任务。实验结果表明，与两种最先进的模型相比，MT-FwFM在两种转换类型上的AUC提高了0.74%和0.84%，并且在所有转换类型上的加权AUC也提高了0.50%。
2020-03-08 cs.LG stat.ML
Predicting Issue Types with seBERT
University of Goettingen（哥廷根大学）；TU Clausthal（克劳斯塔尔工业大学）
预训练的Transformer模型是当前自然语言模型处理的最新技术。seBERT就是这样一个模型，它是基于BERT体系结构开发的，但是使用软件工程数据从头开始训练。我们针对问题类型预测任务的NLBSE挑战对该模型进行了微调。我们的模型在召回率和精确度方面都优于所有三种问题类型的基线fastText，以实现85.7%的总体F1分数，这比基线增加了4.1%。
2022-05-03 cs.CL cs.LG cs.SE
Explainable artificial intelligence model predicting the risk of all-cause mortality in patients with type 2 diabetes mellitus
Lobachevsky State University（罗巴切夫斯基国立大学）；Università Politecnica delle Marche（马尔凯理工大学）；IRCCS INRCA（意大利国家养老与老年病研究所）；Mriya Life Institute, National Academy of Active Longevity（国家积极长寿研究院 Mriya Life 研究所）
本研究利用机器学习模型（EST）预测2型糖尿病患者全因死亡风险，结合SHAP增强可解释性，模型性能良好（C统计量0.776），支持临床决策。
2025-07-31 cs.LG
Categorical data as a stone guest in a data science project for predicting defective water meters
经过一年的研究，我们开发了一个基于机器学习的分类器，用于预测机械水表是否会随着时间的推移和密集使用而失效。一个循环的深度神经网络（RNN）是用从100万米收集的1500万个用水量读数外推的数据训练的。我们用于训练的数据基本上有两种类型：连续和分类。分类的是一种数据类型，可以根据某些定性属性采取有限和固定数量的可能值之一;而连续的，在这种情况下，是测量值。以米为单位的用水量（立方米）。在本文中，我们想讨论的事实是，虽然我们的RNN的预测准确率平均超过了80%，但基于连续数据的使用，这些性能并没有随着训练阶段分类信息的引入而显著提高。从一个特定的角度来看，这仍然是我们研究的一个未解决的关键问题。然而，如果我们从数据科学的角度来分析这个有争议的案例，我们就会意识到，如果没有领域专家的参与，我们就无法构建准确的机器学习解决方案，他们可以区分不同类型数据的重要性（之间的关系），每种数据都有自己的意义，有效性和含义。经过所有最初的炒作，数据科学正朝着多方面的学科发展，数据科学家/机器学习专家和领域专家的设计是共生的
2021-02-05 cs.LG
Self-Normalizing Foundation Model for Enhanced Multi-Omics Data Analysis in Oncology
Moffitt Cancer Center & Research Institute（莫菲特癌症中心与研究所）；University of South Florida（南佛罗里达大学）；University of Minnesota（明尼苏达大学）
本研究提出在33种癌症多组学数据上训练的基础模型SeNMo，可高效处理高维低样本的多组学数据，在总生存期预测、癌症类型分类、三级淋巴结构预测等任务上均表现优异且泛化性强。
2024-11-03 cs.LG
MC-NN: An End-to-End Multi-Channel Neural Network Approach for Predicting Influenza A Virus Hosts and Antigenic Types
University of Liverpool（利物浦大学）
本文提出多通道神经网络MC-NN，利用血凝素和神经氨酸酶蛋白序列端到端预测甲型流感病毒宿主与抗原亚型，在完整和不完整序列上均验证了其有效性和实用性。
2024-02-21 cs.LG q-bio.QM
Predicting Drug-Drug Interactions using Deep Generative Models on Graphs
FPT AI Center（FPT人工智能中心）；University of California San Diego（加州大学圣迭戈分校）；University of Chicago（芝加哥大学）
由当代基于图形自动编码器的模型产生的药物及其靶标的潜在表示已被证明在预测大型网络上的许多类型的节点对相互作用方面是有用的，包括药物-药物，药物-靶标和靶标-靶标相互作用。然而，大多数现有的方法模型的节点的潜在空间中的节点分布是刚性和不相交的，这些限制阻碍了方法从节点对之间产生新的链接。在本文中，我们提出了变分图自编码器（VGAE）在建模多模态网络上的潜在节点表示的有效性。我们的方法可以为多模态图的每个节点类型产生灵活的潜在空间;嵌入稍后用于预测不同边缘类型下的节点对之间的链接。为了进一步提高模型的性能，我们提出了一种新的方法，该方法将Morgan指纹（捕获每种药物的分子结构）与其潜在的嵌入连接在一起，然后将其置于解码阶段进行链接预测。我们提出的模型在两个多模态网络上显示了竞争结果：（1）由药物和蛋白质节点组成的多重图，以及（2）由药物和细胞系节点组成的多重图。我们的源代码可在https://github.com/HySonLab/drug-interactions上公开获取。
2022-10-30 cs.LG q-bio.BM
Predicting Issue Types on GitHub
Valdon Group（瓦尔登集团）；University of Sannio（桑尼奥大学）；Zurich University of Applied Sciences（苏黎世应用科技大学）
软件维护和演化涉及软件项目成功的关键活动。为了支持这些活动并保持代码最新和无错误，软件社区使用问题跟踪器，即，用于发出信号、处理和解决软件系统中出现的问题的工具。然而，在流行的项目中，每天提交数十或数百个问题报告。在这方面，确定每一份提交的报告的类型（例如，bug报告、功能请求等）将有助于管理和确定要解决的问题的优先次序。为了支持问题处理活动，在本文中，我们提出了Ticket Tagger，这是一个GitHub应用程序，通过机器学习技术分析问题标题和描述，以自动识别在GitHub上提交的报告类型，并相应地为每个问题分配标签。我们在大约30，000个GitHub问题上实证评估了该工具的预测性能。我们的研究结果表明，Ticket Tagger可以识别出正确的标签，并以相当高的效率分配给GitHub问题。考虑到这些结果以及该工具旨在轻松集成到GitHub问题管理过程中的事实，Ticket Tagger是开发人员的一个有用的解决方案。
2021-07-21 cs.LG cs.SE
Predicting Three Types of Freezing of Gait Events Using Deep Learning Models
University of Toronto（多伦多大学）；King Mongkut’s University of Technology Thonburi（国王科技大学（吞武里））
本研究利用Transformer编码器与双向LSTM构建深度学习模型，预测三种冻结步态事件，最佳测试得分0.427，位列Kaggle竞赛前五，并指出过拟合可通过伪标签和简化架构改进。
2023-10-10 cs.AI cs.LG
Predicting Drug Interactions and Mutagenicity with Ensemble Classifiers on Subgraphs of Molecules
Cornell University（康奈尔大学）；Weill Institute for Cell and Molecular Biology（威尔细胞与分子生物学研究所）
在这项研究中，我们打算解决相互作用的任何类型的分子，如蛋白质，核酸和小分子的互信息问题。使用机器学习技术，我们可以准确地预测成对的相互作用，这可能是医学和生物学的重要性。由于原子通过原子键的固有缔合，图对于所有类型的分子的普遍性在这个问题中是有用的。子图可以表示不同的分子结构域。这些结构域可能具有生物学意义，因为大多数分子仅具有具有功能意义的部分，并且可以与其他结构域相互作用。因此，我们在不同的机器学习算法中使用子图作为特征来预测两种药物是否相互作用并预测潜在的单分子效应。
2016-01-27 cs.LG stat.ML
The Challenge of Predicting Meal-to-meal Blood Glucose Concentrations for Patients with Type I Diabetes
University of Alberta（阿尔伯塔大学）；Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所）；Alberta Diabetes Institute（阿尔伯塔糖尿病研究所）
I型糖尿病（T1 D）患者必须接受胰岛素注射，以防止高血糖症-高血糖（BG）的严重长期影响。患者还必须注意不要注射过多的胰岛素，因为这可能会引起低血糖（低血糖），这可能是致命的。因此，患者遵循一个“方案”，决定多少胰岛素注射在某些时候。目前管理这种疾病的方法需要根据疾病的行为（记录在患者的糖尿病日记中）随时间调整患者的方案。如果我们可以从患者的当前特征（例如，预测今天的午餐BG值，给定今天的糖尿病日记中关于早餐的条目，包括胰岛素注射，以及可能更早的条目），则相对容易产生有效的方案。本研究通过将几种机器学习算法和各种数据预处理变体（对应于312种[学习者，预处理数据集]组合）应用于包含来自47名不同患者的29601个条目的新T1 D数据集，探索BG建模的挑战。我们最准确的预测是两个高斯过程回归模型的加权集合，其errL 1损失为2.70 mmol/L（48.65 mg/dl）。考虑到使用简单预测患者平均BG的简单方法可以获得2.91 mmol/L（52.43 mg/dl）的errL 1，这是一个意外的差结果。对于每个数据变量/模型组合，我们报告了几个评估指标，包括葡萄糖特异性指标，并发现类似的令人失望的结果（最佳模型仅比最简单的测量值更好）。这些结果表明，通常收集的糖尿病日记数据可能不足以产生准确的BG预测模型;可能需要额外的数据来建立准确的BG预测模型。
2019-03-29 cs.LG stat.ML
A General Path-Based Representation for Predicting Program Properties
Technion（以色列理工学院）；University of Washington（华盛顿大学）
预测程序属性（如名称或表达式类型）有着广泛的应用。它可以减轻编程任务并提高程序员的生产力。从程序中学习的一个主要挑战是$\textit{how to represent programs in a way that facilitates effective learning}$。我们提出了一个$\textit{general path-based representation}$从程序学习。我们的表示是纯粹的语法和自动提取。其主要思想是用抽象语法树（AST）中的路径来表示程序。这允许学习模型利用代码的结构化本质，而不是将其视为一个扁平的令牌序列。我们证明了这种表示是通用的，并且可以：（i）覆盖不同的预测任务，（ii）驱动不同的学习算法（用于生成和判别模型），以及（iii）跨不同的程序设计语言工作。我们评估我们的方法预测变量名，方法名和完整类型的任务。我们使用我们的表示来驱动基于CRF和基于word2vec的学习，用于四种语言的程序：JavaScript，Java，Python和C\#。我们的评估表明，我们的方法获得更好的结果比特定于任务的手工制作的表示在不同的任务和程序设计语言。
2018-04-22 cs.LG cs.PL
You Cannot Do That Ben Stokes: Dynamically Predicting Shot Type in Cricket Using a Personalized Deep Neural Network
预测击球手在给定球的类型和比赛情况下会尝试什么击球的能力是板球中最具挑战性和战略重要性的任务之一。击球手的目标是在不被解雇的情况下获得尽可能多的跑垒得分，而投球手的目标是阻止跑垒，最好是解雇他们的对手。获得最好的击球手与保龄球比赛是至关重要的。例如，对于防守队来说，选择投球手对抗对手的明星击球手可能是输赢的关键区别。因此，能够有一个预定义的剧本（如在NFL），这将允许球队预测如何最好地设置他们的外野手给定的游戏背景下，击球手，他们是保龄球和保龄球在他们的处置将给他们一个显着的战略优势。为此，我们提出了一种个性化的深度神经网络方法，该方法可以预测特定击球手在特定游戏场景中击中特定投球手和碗类型的概率。我们展示了我们的个性化预测如何提供重要的信息，以告知教练和队长的决策，无论是在赛前和比赛中的战术选择，使用2019年世界杯决赛英格兰和新西兰之间的案例研究的例子。
2021-02-03 cs.LG stat.AP
Tensor Decomposition with Relational Constraints for Predicting Multiple Types of MicroRNA-disease Associations
Huazhong Agriculture University（华中农业大学）；The Ohio State University（俄亥俄州立大学）
microRNAs（miRNAs）在与人类疾病相关的多种生物学过程中起着至关重要的作用。识别潜在的miRNA-疾病关联有助于理解miRNA相关疾病的分子机制。现有的大多数计算方法主要集中在预测是否存在miRNA与疾病的关联。然而，miRNAs在疾病中的作用是显著分歧的，例如，miRNAs的遗传变异体（mir-15）可能影响miRNAs的表达水平，导致B细胞慢性淋巴细胞白血病，而循环miRNAs（包括mir-1246、mir-1307- 3 p等）可能影响miRNAs的表达水平，导致B细胞慢性淋巴细胞白血病。具有早期发现乳腺癌的潜力。在本文中，我们的目标是预测多种类型的miRNA与疾病的关联，而不是将它们视为二元的。为此，我们创新性地将miRNA疾病类型三联体表示为张量，并引入张量分解方法来解决预测任务。在两个广泛采用的miRNA疾病数据集：HMDD v2.0和HMDD v3.2上的实验结果表明，张量分解方法在很大程度上改善了最近的基线（在top-1 F1中高达38%）。我们进一步提出了一种新的方法，张量分解与关系约束（TDRC），它结合了生物特征的关系约束，进一步现有的张量分解方法。与现有的两种张量分解方法相比，TDRC具有更好的性能和更高的效率。
2020-03-09 cs.LG q-bio.QM stat.ML
Decision Tree-Based Predictive Models for Academic Achievement Using College Students' Support Networks
Weber State University（韦伯州立大学）；George Mason University（乔治梅森大学）；Loyola Marymount University（洛约拉马利蒙特大学）；Virginia Commonwealth University（弗吉尼亚联邦大学）
在这项研究中，我们检查了在COVID-19大流行早期阶段从美国大西洋中部地区一所大型公立大学入学的484名学生收集的一组原始数据。这些数据被称为Ties数据，包括学生的人口统计和支持网络信息。支持网络数据包括强调支持类型的信息（即情感或教育;常规或强烈）。使用这个数据集，预测学生学业成绩的模型，通过他们自我报告的GPA量化，使用卡方自动交互检测（CHAID），一种决策树算法，和cforest，一种使用条件推理树的随机森林算法。我们比较的方法的准确性和变化的重要变量的集合建议每个算法。每种算法都发现了不同的变量，这些变量对不同的学生人口统计数据很重要，但有一些重叠。对于白人学生，不同类型的教育支持在预测学业成绩方面很重要，而对于非白人学生，不同类型的情感支持在预测学业成绩方面很重要。存在不同类型的常规支持是重要的，在预测学业成绩的cisgender女性，而不同类型的强烈支持是重要的cisgender男性预测学业成绩。
2022-09-12 cs.CY cs.LG stat.ML
A Quantitative Approach to Predicting Representational Learning and Performance in Neural Networks
Rice University（莱斯大学）；Brown University（布朗大学）；Osnabrück University（奥斯纳布吕克大学）；Princeton University（普林斯顿大学）；Baylor College of Medicine（贝勒医学院）
本文提出仅依据初始条件与训练课程、基于伪核预测神经网络习得表征的定量工具，并验证其可预测初始化尺度和课程对并发多任务性能的影响。
2023-07-14 cs.LG cs.NE
Predicting Blood Type: Assessing Model Performance with ROC Analysis
University of Tabuk（塔布克大学）；Zarqa University（扎尔卡大学）；Jadara University（贾达拉大学）
本研究通过分析200名个体的指纹模式与ABO血型，发现两者无显著相关性，并强调未来需结合机器学习与多模态生物识别信号以改进个人识别方法。
2025-06-01 cs.AI cs.LG
Myers-Briggs Personality Classification and Personality-Specific Language Generation Using Pre-trained Language Models
The Hong Kong University of Science and Technology（香港科技大学）
Myers-Briggs Type Indicator（MBTI）是一种流行的人格指标，使用四个二分法作为人格特质的指标。本文研究了使用预先训练的语言模型预测MBTI人格类型的基础上刮标记文本。所提出的模型达到正确预测所有4种类型的准确度为$0.47$，正确预测至少2种类型的准确度为$0.86$。此外，我们调查的可能用途的微调BERT模型的个性特定的语言生成。这是现代心理学和智能移情系统的一项重要任务。
2019-07-15 cs.LG stat.ML
Predicting Gene Disease Associations in Type 2 Diabetes Using Machine Learning on Single-Cell RNA-Seq Data
Department of Information Studies University College London London, United Kingdom（信息研究系伦敦大学学院伦敦英国）
本研究利用单细胞RNA-Seq数据，通过机器学习方法预测2型糖尿病中的基因疾病关联，评估ETC和PLS-DA在识别T2D相关基因表达特征方面的性能。
2026-01-30 cs.LG q-bio.GN
Graph Distance Neural Networks for Predicting Multiple Drug Interactions
Ainnocence
随着多药联合应用的日益广泛，药物间相互作用的准确预测变得越来越重要。在我们的方法中，我们使用图来表示药物-药物相互作用：节点表示药物;边缘表示药物-药物相互作用。基于我们的假设，我们将DDI的预测转化为链接预测问题，利用已知的毒品节点特征和DDI类型来预测未知的DDI类型。本文提出了一种基于图距离的神经网络（GDNN）来预测药物间的相互作用。首先，GDNN通过目标点方法为节点生成初始特征，充分包含图中的距离信息。其次，GDNN采用改进的消息传递框架，更好地生成每个药物节点的嵌入式表达，同时综合考虑节点和边的特征。第三，GDNN聚集嵌入的表达，进行MLP处理以生成最终预测的药物相互作用类型。GDNN在ogb-ddi数据集上实现了Test Hits@20=0.9037，证明GDNN可以有效地预测DDI。
2022-08-30 cs.AI cs.LG q-bio.QM
v-SVR Polynomial Kernel for Predicting the Defect Density in New Software Projects
Universidad de Guadalajara（瓜达拉哈拉大学）；Applied Science Private University（应用科学私立大学）；University of Sharjah（沙迦大学）；University of Detroit Mercy（底特律梅西大学）
确定软件过程有效性的一个重要产品度量是缺陷密度（DD）。在这项研究中，我们提出了应用支持向量回归（SVR）来预测从国际软件基准标准组（ISBSG）2018年发布的数据集获得的新软件项目的DD。两种类型的支持向量机（e-SVR和v-SVR）被用于训练和测试这些项目。每个SVR使用四种类型的内核。将每个SVR的预测准确度与统计回归的预测准确度进行比较（即，简单线性回归（SLR）。统计显著性检验表明，在大型机上开发新的软件项目并使用第三代程序设计语言编码时，多项式核的v-SVR优于SLR
2018-12-15 cs.LG cs.SE
GENN: Predicting Correlated Drug-drug Interactions with Graph Energy Neural Networks
IBM Research AI（IBM研究AI）；Peking University（北京大学）；IQVIA（艾昆纬）；Georgia Institute of Technology（佐治亚理工学院）
获得关于药物相互作用（DDI）的更全面的知识是药物开发和医疗实践中最重要的任务之一。最近，图神经网络通过将药物建模为节点，将药物-药物相互作用建模为链接，并将DDI预测铸造为链接预测问题，在这一任务中取得了巨大的成功。然而，链接标签之间的相关性（例如，DDI类型）在现有工程中很少考虑。我们提出了图能量神经网络（GENN）显式模型的链接类型的相关性。我们制定的DDI预测任务作为一个结构预测问题，并介绍了一个新的基于能量的模型，其中的能量函数定义的图神经网络。在两个真实DDI数据集上的实验表明，在不考虑链接类型相关性的情况下，GENN优于许多基线，并分别在两个数据集上实现了$13.77\%$和$5.01\%$ PR-AUC的改善。我们还提出了一个案例研究，其中\mname可以更好地捕捉有意义的DDI相关性相比，基线模型。
2019-10-08 cs.LG q-bio.QM stat.ML
TwitterMancer: Predicting Interactions on Twitter Accurately
Boston University（波士顿大学）；University of Crete（克里特大学）
本文研究了Twitter上不同类型的用户交互之间的相互作用，预测丢失或看不见的交互。例如，给定Twitter用户之间的一组转发交互，我们能多准确地预测回复交互？预测一对账户之间的转发或引用互动是否更困难？此外，时间位置有多重要，交互模式的哪些特征对于准确预测特定的Twitter交互最重要？我们对Twitter互动的实证研究为这些问题提供了初步答案。我们已经抓取了一个广泛的希腊语Twitter帐户数据集，以及他们在一个月内的关注，引用，转发，回复互动。我们发现我们可以准确地预测Twitter用户的许多交互。有趣的是，最具预测性的特征随用户简档而变化，并且在所有用户中并不相同。例如，对于一对与大量其他Twitter用户交互的用户，我们发现某些“高维”三元组，即，涉及多种类型交互的三元组是非常有用的，而对于不太活跃的Twitter用户，某些入度和出度起着重要作用。最后，我们提供了关于Twitter用户行为的其他各种见解。我们的代码和数据可在https://github.com/twittermancer/上获得。关键词：图挖掘，机器学习，社交媒体，社交网络
2019-04-25 cs.LG cs.SI
Bayesian tensor factorization for predicting clinical outcomes using integrated human genetics evidence
Global Blood Therapeutics（Global Blood Therapeutics（全球血液治疗公司））
候选药物的批准成功率非常低，大多数失败是由于安全性和有效性。越来越多的关于靶点、药物分子和适应症的高维信息为ML方法提供了整合多种数据模式并更好地预测临床上有前景的药物靶点的机会。值得注意的是，具有人类遗传学证据的药物靶点被证明有更好的成功几率。然而，最近的一种基于张量因子分解的方法发现，关于目标和适应症的额外信息可能不一定会提高预测准确性。在这里，我们通过整合从公开来源整理的不同类型的人类遗传学证据来重新审视这种方法，以支持每个目标-适应症对。我们使用贝叶斯张量因子分解来表明，与使用单线遗传学证据的模型相比，结合所有可用的人类遗传学证据（罕见疾病，基因负担，常见疾病）的模型适度改善了临床结果预测。我们对不同类型的人类遗传学证据的相对预测能力提供了额外的见解，以预测临床结果的成功。
2022-07-25 cs.LG q-bio.GN stat.AP
Differentiable Retrieval-Augmented Generation for Predicting Cellular Responses to Gene Perturbation
Sapienza University of Rome（罗马萨皮恩扎大学）；ISTI-CNR（意大利国家研究委员会信息科学与技术研究所）；University of Cambridge（剑桥大学）；Wellcome Sanger Institute（wellcome桑格研究所）
PT-RAG通过细胞类型感知的可微检索增强生成，提升预测细胞对基因扰动响应的性能。
2026-10-12 cs.IR cs.LG
Predicting Emergency Department Visits for Patients with Type II Diabetes
Temple University（天普大学）
本研究利用多种机器学习算法，结合电子病历与社会决定因素数据，构建并验证了II型糖尿病患者急诊就诊风险预测模型，其中集成学习和随机森林表现最优，可辅助临床早期干预减少急诊就诊。
2024-12-12 cs.LG q-bio.QM
TypeT5: Seq2seq Type Inference using Static Analysis
University of Texas at Austin（德克萨斯大学奥斯汀分校）
在用Python和JavaScript编写的程序中，自动预测缺少的类型注释的兴趣越来越大。虽然先前的方法在预测最常见的类型时已经达到了令人印象深刻的准确性，但它们在罕见或复杂的类型上往往表现不佳。在本文中，我们提出了一种新的类型推断方法，将类型预测作为一个代码填充任务，利用CodeT5，一个国家的最先进的seq2seq预训练的语言模型的代码。我们的方法使用静态分析来构造动态上下文的类型签名是由模型预测的每个代码元素。我们还提出了一个迭代解码方案，将以前的类型预测模型的输入上下文中，允许相关的代码元素之间的信息交换。我们的评估表明，所提出的方法TypeT5不仅实现了更高的整体准确性（特别是在罕见和复杂的类型上），而且还产生了更一致的结果，类型错误更少，同时便于用户干预。
2023-03-16 cs.LG cs.PL cs.SE
Collectively Embedding Multi-Relational Data for Predicting User Preferences
University of Washington（华盛顿大学）
矩阵分解作为一种基于协同过滤的推荐方法已经取得了令人难以置信的成功和广泛的应用。不幸的是，纳入额外的证据来源，特别是那些不完整和嘈杂的，是很难在这样的模型中实现，然而，往往是至关重要的，以获得进一步的收益的准确性。例如，应该利用来自评论、类别和属性的关于业务的附加信息来预测用户偏好，即使这些信息通常是不准确的并且是部分观察到的。而不是创建定制的方法，是特定于每种类型的证据，在本文中，我们提出了一个通用的方法，因式分解的关系数据，集体建模数据库中的所有关系。通过学习一组在所有关系中共享的嵌入，模型能够合并来自所有关系的观察信息，同时还预测所有感兴趣的关系。我们对多个亚马逊和Yelp数据集的评估表明，我们有效地利用了额外的信息来进行偏好预测，但此外，我们甚至为我们没有观察到任何评级或评论的冷启动业务和产品提供了准确的模型。我们还说明了该模型的能力，在填补缺失的信息和联合可视化的话，类别和属性因素。
2015-04-23 cs.IR cs.LG
Multimodal Ensemble Approach to Incorporate Various Types of Clinical Notes for Predicting Readmission
Emory University（埃默里大学）
电子健康记录（EHR）已被大量用于预测各种下游临床任务，如再入院或死亡率。电子病历中的模式之一，临床笔记，由于其非结构化和难以解释的性质，尚未充分探讨这些任务。尽管深度学习（DL）的最新进展使模型能够从非结构化数据中提取可解释的特征，但它们通常需要大量的训练数据。然而，医疗领域中的许多任务固有地由具有冗长文档的小样本数据组成;以肾移植为例，仅可获得来自几千名患者的数据，并且每个患者的文档在大医院中由数百万字组成。因此，复杂的DL方法不能应用于这些类型的域。在本文中，我们提出了一个综合集成模型，使用向量空间建模和主题建模。我们所提出的模型进行评估，肾移植患者的再入院任务，并提高了0.0211从以前的国家的最先进的方法，使用结构化数据的c-统计方面，而典型的DL方法未能击败这种方法。所提出的架构提供了可解释的分数为每个功能从两种方式，结构化和非结构化的数据，这是有意义的，通过医生的评价。
2019-05-31 cs.CL cs.LG stat.ML
Insuring Smiles: Predicting routine dental coverage using Spark ML
California State University Los Angeles（加州州立大学洛杉矶分校）
本文利用Spark ML和多种机器学习算法分析保险计划特征，预测健康保险是否覆盖成人常规牙科服务，为个人和家庭提供基于收入和支出的保险选择策略。
2023-10-13 cs.DC cs.LG
Comparative performance of ensemble models in predicting dental provider types: insights from fee-for-service data
Jadara University（贾达拉大学）；Zarqa University（扎尔卡大学）；Qassim University（卡西姆大学）
本研究基于2018年按服务付费数据比较多种机器学习模型对牙科服务提供者类型的分类性能，发现神经网络和随机森林表现最优，证明集成与深度学习方法能显著提升牙科劳动力分类和资源配置效果。
2025-06-04 cs.AI cs.LG
Developing an Optimal Model for Predicting the Severity of Wheat Stem Rust (Case study of Arsi and Bale Zone)
Arba Minch University（阿尔巴明奇大学）
本研究使用BPNN、RBFNN和GRNN三种人工神经网络预测小麦秆锈病严重程度，发现GRNN预测有效且训练时间更短，且总季节降雨量促进病害发展。
2024-02-16 cs.AI cs.LG
Characterizing and Predicting Repeat Food Consumption Behavior for Just-in-Time Interventions
Singapore Management University（新加坡管理大学）；National Taiwan University（台湾大学）
人类是习惯的动物。在日常生活中，人们倾向于在几天内重复食用类似类型的食物，并且当消费变得过于单调时偶尔切换到食用不同类型的食物。然而，新的和重复的消费行为还没有被研究在食品推荐的研究。更重要的是，预测个人日常饮食习惯的能力对于提高食物推荐系统在促进健康生活方式改变方面的有效性至关重要。在这项研究中，我们使用来自一个名为MyFitnessandum（MFP）的流行在线健身社区的大规模消费数据来分析重复食物消费的模式，对各种最先进的算法进行离线评估预测第二天的食物消费，并分析它们在不同人口统计群体和背景下的表现。实验结果表明，结合探索和开发和时间动态的算法是更有效的第二天推荐任务比大多数国家的最先进的算法。
2019-09-17 cs.CY cs.IR cs.LG
Predicting the Type and Target of Offensive Social Media Posts in Marathi
Rochester Institute of Technology（罗切斯特理工学院）；University of Wolverhampton（伍尔弗汉普顿大学）
社交媒体上出现攻击性语言是非常常见的激励平台投资于使社区更安全的战略。这包括开发能够识别在线攻击性内容的强大机器学习系统。除了少数几个明显的例外，大多数关于自动攻击性语言识别的研究都涉及英语和其他一些高资源语言，如法语，德语和西班牙语。在本文中，我们通过解决Marathi（一种在印度使用的低资源印度-雅利安语言）中的冒犯性语言识别来解决这一差距。我们介绍了马拉地语攻击性语言数据集v.2.0或MOLD 2.0，并在此数据集上进行了多个实验。MOLD 2.0是MOLD的一个更大的版本，它将注释扩展到流行的OLID分类法的B（类型）和C（目标）级别。MOLD 2.0是为马拉地语编制的第一个分层攻击性语言数据集，从而为低资源的印度-雅利安语言的研究开辟了新的途径。最后，我们还介绍了SeMOLD，这是一个更大的数据集，它遵循SOLID中提出的半监督方法进行注释。
2022-11-22 cs.AI cs.CL cs.CY
Kernel-Based Learning of Chest X-ray Images for Predicting ICU Escalation among COVID-19 Patients
University of Michigan（密歇根大学）；Department of Biostatistics（生物统计学系）
本文提出GLIMARK方法，通过多核学习扩展以处理指数族输出变量，用于预测新冠患者ICU升级并提取临床特征。
2026-02-10 cs.LG stat.AP stat.ML
Predicting S&P500 Index direction with Transfer Learning and a Causal Graph as main Input
Université de Montreal（蒙特利尔大学）；Canada Mortgage and Housing Corporation（加拿大抵押贷款和住房公司）
我们提出了一个统一的多任务框架来表示金融市场动态的复杂和不确定的因果过程，然后预测任何类型的指数的运动与应用上的S & P 500指数的月度方向。我们的解决方案基于三个主要支柱：（i）使用迁移学习在所有金融市场之间共享知识和特征（表示、学习），增加训练样本的大小，并保持训练、验证和测试样本之间的稳定性。(ii)结合多学科知识（金融经济学、行为金融学、市场微观结构和投资组合构建理论），通过图形来表示任何金融市场的全球自上而下的动态。(iii)通过潜在变量/节点整合前瞻性非结构化数据，不同类型的上下文（长期，中期和短期），然后使用独特的VAE网络（参数共享）来同时学习它们的分布表示。在12年的测试期内，我们获得了74.3%，67%和0.42的准确性，F1得分和马修相关性，高于行业和其他基准，其中包括三个不稳定和难以预测的子期。
2022-04-28 cs.AI cs.LG q-fin.ST
Statistical and Machine Learning Models for Predicting Fire and Other Emergency Events
University of Toronto（多伦多大学）；Fire Rescue Services, City of Edmonton（埃德蒙顿市消防救援局）；TELUS Communications Inc（德达通信公司）
本文系统开发了预测加拿大埃德蒙顿市各类紧急事件的统计与机器学习模型，通过数据收集、特征分析及负二项回归，在社区和消防站层面验证了预测准确性，并评估了COVID-19的影响。
2024-02-14 cs.AI cs.LG stat.ML
Predicting the Popularity of Micro-videos with Multimodal Variational Encoder-Decoder Framework
Wuhan University（武汉大学）
作为一种新兴的用户生成内容，微视频极大地丰富了人们的娱乐体验和社交互动。然而，单个微视频的流行模式在研究人员中仍然难以捉摸。其中一个主要的挑战是，微视频的潜在受欢迎程度在各种外部因素的影响下往往会波动，这使得它充满了不确定性。此外，由于微视频主要由缺乏专业技术的个人上传，可能存在多种类型的噪音，掩盖了有用的信息。在本文中，我们提出了一个多模态变分编码器-解码器（MMVED）框架的微视频流行度预测任务。MMVED学习微视频的随机高斯嵌入，该嵌入提供了其流行程度的信息，同时保留了固有的不确定性。此外，通过深度变分信息瓶颈下限（IBLBO）的优化，学习的隐藏表示被证明是最大限度地表达流行度目标，同时最大限度地压缩微视频特征中的噪声。此外，贝叶斯产品的专家的原则被应用到多模态编码器，其中的信息保留或丢弃的决定是全面与所有可用的模态。在公共数据集和西瓜数据集上进行的大量实验证明了所提出的MMVED框架的有效性。
2020-03-28 cs.CL cs.CV cs.LG
EyeFormer: Predicting Personalized Scanpaths with Transformer-Guided Reinforcement Learning
Aalto University（阿尔托大学）；Nokia Technologies（诺基亚技术公司）；University of Luxembourg（卢森堡大学）
针对现有模型无法预测个体扫描路径的问题，提出EyeFormer模型，利用Transformer引导的深度强化学习算法，基于少量样本预测个性化注视位置与持续时间的完整扫描路径，并应用于GUI布局优化。
2024-04-21 cs.AI cs.CV cs.HC
