抗标签噪声药物推荐

噪声下推荐更稳

结合知识图谱与协同去噪，在标签噪声干扰下仍能可靠推荐药物。

Yuan, Jin · 张震

Expert Systems with Applications 2026

技术优势

噪声环境下依然可靠

利用自适应增强的个人知识图谱在特征和图层面抑制标签噪声与无关信息的干扰，使推荐在噪声数据上保持性能。

脏样本自动剔除

协同去噪训练使用高斯混合模型在数据层面协作筛选噪声样本，并根据预测的噪声概率细化标签，降低噪声对训练的影响。

性能优于现有最优方法

在MIMIC-III数据集上使用随机替换和随机添加策略模拟现实噪声，多种噪声水平下的实验表明性能优于现有最优模型。

应用场景

• 临床决策支持：在病历标签有噪声时仍能可靠推荐，减少医生对脏数据的顾虑。
• 电子健康记录：直接利用真实EHR中的噪声标签训练，避免昂贵的数据清洗。
• 个性化用药：基于患者自身噪声历史构建知识图谱，推荐贴合个体情况。