DynGraph2Seq：面向在线健康论坛健康阶段预测的动态图到序列可解释学习
机器学习
2019-08-23 v1 机器学习
摘要
在线健康社区，如在线乳腺癌论坛，使患者（即用户）能够在各种子论坛（主论坛中专注于特定健康主题的子版块）中进行互动和相互帮助。用户在不同子论坛中活动的动态变化可以成为其健康状况变化的强有力指标。这些额外信息可以使医疗保健组织及时响应并为患者提供额外帮助。然而，对单个用户在不同子论坛间随时间变化的复杂活动转换进行建模，并学习这些转换如何对应其健康阶段，是极具挑战性的。在本文中，我们首先将用户活动的转换形式化为一个具有多属性节点的动态图，然后将健康阶段推断任务形式化为一个动态图到序列的学习问题，并因此提出了一种新颖的动态图到序列神经网络架构（DynGraph2Seq）来解决所有这些挑战。我们提出的DynGraph2Seq模型由一个新颖的动态图编码器和一个可解释的序列解码器组成，它们学习一系列随时间演变的用户活动图与一系列目标健康阶段之间的映射。我们进一步提出了动态图层次注意力机制，以促进必要的多级可解释性。针对健康阶段预测任务的全面实验分析证明了所提出模型的有效性和可解释性。
引用
@article{arxiv.1908.08497,
title = {DynGraph2Seq: Dynamic-Graph-to-Sequence Interpretable Learning for Health Stage Prediction in Online Health Forums},
author = {Yuyang Gao and Lingfei Wu and Houman Homayoun and Liang Zhao},
journal= {arXiv preprint arXiv:1908.08497},
year = {2019}
}
备注
6 pages. Accepted as ICDM 2019 Short Paper. Final Version