基于多头自注意力机制的多组学图表示学习方法、装置

本发明提供了基于多头自注意力机制的多组学图表示学习方法、装置，对多组学原始数据进行预处理，转为矩阵形式，根据已有的先验知识构建或获取多源先验知识网络；利用图神经网络对先验知识网络进行编码，得到特征级嵌入表示；将多组学特征矩阵输入多头自注意力机制，捕捉各组学数据内部及不同组学数据之间的潜在关联，并对原始高维数据进行降维处理，得到低维的样本级嵌入表示；将特征级嵌入与样本级嵌入进行拼接融合，得到综合数据特征和先验知识的统一表示；最后将融合后的表示输入任务特定模块，通过结合真实标签的交叉熵损失函数进行监督优化，学习模型参数。在应用阶段，只需将待分析的多组学数据输入训练好的模型，即可输出分类结果。