LncRNA功能几乎涉及到生物体生理及病理的全部生物学过程,研究lncRNA在病理过程中发挥的作用有助于揭示其作用机制,同时可以给一些疾病的预防、诊断、治疗提供新的思路和解决途径。识别lncRNA与疾病的关联是确定lncRNA在疾病过程中功能的重要基础,现有的方法在预测疾病与lncRNA关联一般都是基于一些浅层的学习方法,它们难以学习lncRNA和疾病关联的深层复杂表示,而且很少考虑不同信息对关联预测的重要性是不同的。本文提出了两种预测lncRNA和疾病关联的方法,分别为基于卷积神经网络和长短期记忆神经网络的关联预测方法和基于带注意力机制的双路卷积神经网络的关联预测方法。第一个方法是一种多模型融合的预测方法,它融合了基于卷积神经网络的预测模型和基于长短期记忆神经网络的预测模型。基于卷积神经网络的预测模型首先根据与lncRNA、miRNA和疾病相关的不同生物前提构建了特征矩阵,然后学习了lncRNA和疾病关联的原始全局信息。基于长短期记忆神经网络的预测模型则首先通过随机游走探索了lncRNA、miRNA、疾病网络的拓扑结构,并组合原始信息和随机游走的时序性信息构建特征向量,最后还考虑了不同时刻时序性信息及不同的特征的重要性不一致。在多个评估标准和真实案例分析表明该方法优于现有方法。第二个方法是基于带注意力机制的双路卷积神经网络的关联预测方法,它有三大模块,卷积模块是通过卷积神经网络学习了lncRNA和疾病关联的原始全局信息表示;注意力模块考虑了特征层面和关系层面对关联预测的影响不同,通过双层注意力机制和卷积神经网络学习了注意力表示;卷积和全连接模块则是考虑了双路卷积神经网络信息的组合和更深层次的表示,通过卷积和全连接层合并双路卷积结果给出关联预测结果。交叉验证的实验结果和案例分析表明该方法取得了最好的效果。