生物实体关联预测是现代生物信息学的重要研究方向,探讨RNA、疾病、药物、蛋白质等生物实体之间存在的关联有助于各种人类复杂疾病病理的研究、疾病生物标志物的识别鉴定、针对靶点的药物研究以及疾病预防与诊治。验证生物实体关联的生物实验准确率高但是实验周期长,且成本昂贵。近些年来,越来越多的计算方法被提出作为鉴定生物实体关联的有效补充手段,所以开发能够准确、有效的预测潜在生物实体关联的计算方法具有重要的研究意义。本文提出了一种多视角相似网络融合方法（Mv SFN）来对多视角的相似网络进行融合。Mv SFN方法首先结合已知的生物实体关联数据、现有的生物信息数据以及异构关联数据来构建生物实体相似网络。然后通过引入非线性融合方法来将多个基本相似网络融合成一个相似网络,将融合相似网络作为生物实体的初始特征向量。最后,本文结合经典归纳矩阵补全方法的思想,提出了神经归纳矩阵补全方法来完成实体特征投影与实体关联预测。结合实体间的非线性交互信息,我们将传统归纳矩阵补全方法中线性投影方法改进为非线性编码,从而获得更佳的预测结果。本文在多个数据集上使用了多种验证手段以验证方法的有效性。实验数据包括两个mi RNA-疾病关联数据集和五个Lnc RNA-疾病关联数据集。在前五种数据集上进行全局五折交叉验证、全局留一交叉验证与局部五折交叉验证。全局五折交叉验证方法得到的AUC结果分别为0.9383+/-0.00062,0.9328+/-0.00031,0.9243+/-0.00018,0.9192+/-0.00085,0.9452+/-0.00062;全局留一交叉验证的方法得到的AUC结果分别为0.959,0.954,0.931,0.930,0.940;局部五折交叉验证得到的AUC结果为0.870,0.869,0.881,0.884,0.885。为了进一步验证本文所提的方法在生物实体关联预测方面的有效性,本文还针对多种复杂人类疾病进行了案例研究实验。该实验在未知实体关联中选择预测结果中最可能存在潜在关联的实体对作为输出,并查询公共医学数据库判断是否真正有关联。在结肠癌、淋巴瘤、肺癌等三种疾病上进行top10的案例研究实验都取得了100%的准确度。