寻找零号病人：利用图神经网络学习传染源
社会与信息网络
2020-06-30 v2 机器学习
摘要
定位传染病的源头，或称零号病人（P0），可为感染的传播过程提供关键见解，并支持高效的资源分配。现有方法使用图论中心性度量和代价高昂的消息传递算法，且需要底层动力学及其参数的知识。在本文中，我们重新审视该问题，使用图神经网络（GNN）来学习 P0。我们建立了一类传染病模型中识别 P0 的理论极限。我们在合成网络和具有 COVID-19 病史与特征的真实接触网络上，针对不同的传染病模型评估了我们的方法。我们观察到，GNN 可在无需显式输入动力学或其参数的情况下，以接近理论精度极限的方式识别 P0。此外，在任意图拓扑上的推断中，GNN 比经典方法快 100 倍以上。我们的理论界限还表明，传染病犹如滴答作响的时钟，强调了早期接触者追踪的重要性。我们发现了一个最大时间，超过该时间后无论使用何种算法都无法准确恢复源头。
引用
@article{arxiv.2006.11913,
title = {Finding Patient Zero: Learning Contagion Source with Graph Neural Networks},
author = {Chintan Shah and Nima Dehmamy and Nicola Perra and Matteo Chinazzi and Albert-László Barabási and Alessandro Vespignani and Rose Yu},
journal= {arXiv preprint arXiv:2006.11913},
year = {2020}
}