通过具有K mer嵌入的卷积网络发现主题

随着深度学习的飞速发展,一些基于深度神经网络的判别式主题发现方法逐渐成为主流,这也带来了预测准确性的巨大提高。 在本文中,我们提出了一种基于卷积神经网络的架构(eCNN),将嵌入层与GloVe相结合。 首先,eCNN通过滑动窗口将ChIP-seq数据集的每个单个序列划分为多个子序列,称为k-mers,然后通过GloVe将k-mers编码为相对低维的向量,最后使用多个卷积网络对每个向量进行评分。 实验表明,我们的体系结构可以在主题发现任务上获得良好的结果。