CureGraph：基于对比多模态图表示学习的城市生活圈健康轮廓与预测
人工智能
2025-01-14 v1
摘要
早期检测和预测老年人在社区层面的健康状态下降对于城市规划和公共卫生政策制定具有重大意义。虽然既存研究确认了居住环境与健康结果之间的关联，但大多数依赖单一数据模态或对多模态信息进行简单拼接，限制了其全面描绘城市健康导向环境的能力。为填补这一空白，我们提出CureGraph，这是一种用于城市健康预测的对比多模态表示学习框架，采用图技术推断老年人在每个社区城市生活圈内常见慢性疾病的患病率。CureGraph 利用包括居住区域及其周边兴趣点照片和文本评论等丰富的多模态信息，生成城市社区嵌入表示。通过将预训练的视觉和文本编码器与图建模技术集成，CureGraph 捕获跨模态空间依赖关系，为老年人健康考量提供全面且贴合的城市环境理解。大量在真实数据集上的实验表明，CureGraph 在老年人疾病风险预测任务中平均提升了约 28%。此外，该模型实现了慢性疾病阶段性进程的识别，并支持社区间的比较性公共卫生分析，为可持续城市发展和提升生活质量提供可操作的见解。代码已公开于 https://github.com/jinlin2021/CureGraph。
引用
@article{arxiv.2501.07157,
title = {CureGraph: Contrastive Multi-Modal Graph Representation Learning for Urban Living Circle Health Profiling and Prediction},
author = {Jinlin Li and Xiao Zhou},
journal= {arXiv preprint arXiv:2501.07157},
year = {2025}
}