第 1 章 绪 论 11 课题背景及研究的目的和意义 12 国内外研究现状及分析 121 网络表示学习方法研究现状 122 长非编码 RNA-疾病网络关系预测研究现状13 主要研究内容和组织结构 131 主要研究内容 132 组织结构 第 2 章 人类长非编码 RNA-疾病关系网络构建和关系预测21 引言 22 人类长非编码 RNA-疾病关系网络构建221 长非编码 RNA-疾病关联数据描述222

本文主要研究了基于网络表示学习方法的人类长非编码 RNA-疾病关系预测。在第一章中，阐述了课题的背景及研究意义，国内外研究现状及分析，主要研究内容和组织结构。第二章主要介绍了人类长非编码 RNA-疾病关系网络的构建和关系预测方法，其中包括重启随机游走 RWR 方法、基于 Deepwalk 网络表示学习和基于 Node2vec 网络表示学习的关系预测方法。第三章则是介绍了一种基于社区约束的同质网络表示学习方法，该方法结合了模块度的社区发现算法和同质网络表示学习方法。第四章则是介绍了一种结合相似性网络的异质网络表示学习方法，该方法通过计算节点表示向量的距离来进行节点相似度计算。

从论文的内容来看，本文的研究思路较为清晰，论述也相对详细。在人类长非编码 RNA-疾病关系网络的构建和关系预测方法中，本文采用了多种方法进行比较和分析，使得研究结果更加可靠。在同质网络表示学习方法和结合相似性网络的异质网络表示学习方法中，本文提出了一些新颖的思路和方法，对于网络表示学习领域的研究具有一定的推动作用。

从论文的结构来看，本文的章节划分较为合理，每一章的内容都有明确的重点和主题。同时，各章节之间的连接也比较紧密，使得整篇论文的逻辑性更强。

从学术道德的角度来看，本文在引用他人研究成果时，有明确的注明出处，遵循了学术规范。但是，在使用数据集时，本文没有明确说明数据集的来源和获取方式，这可能会引起一定的问题。

总的来说，本文对于网络表示学习方法在人类长非编码 RNA-疾病关系预测方面的应用进行了深入研究，提出了一些新的思路和方法。同时，本文的结构比较合理，论述也比较详细，但在学术道德方面还需注意完善