基于图聚类的社交社区 COVID-19 传播预测算法
社会与信息网络
2020-11-03 v1 计算机与社会
离散数学
物理与社会
摘要
提出了一种在封城后建模 COVID-19 病例传播的系统，以基于热点利用图聚类算法定义新的预防措施。该方法在较不易受病毒传播影响的区域允许更宽松的措施。现有方法通过预测确诊数来建模病毒传播。但所提系统从地理角度更关注解决方案的预防侧，通过预测近期可能成为病毒热点的区域或地区。病毒只能通过近距离接触已感染人员传播这一事实表明，易于从现有热点到达的区域有更高几率成为新热点。此外，在较小区域中，即使在严格规定后也发现了阳性病例。考虑这一事实，最近热点间的地理距离可用作该区域也成为热点的似然度量。本文中，构建区域的加权图，以区域自身为带权节点（节点权值为活跃病例数），以距离为边权。该图可为完全连通或基于距离阈值的连通。节点为行政区，距离度量表示不同社区间可能的传播。利用此数据，可预测可能成为热点的潜在区域，并制定预防措施。
引用
@article{arxiv.2011.00414,
title = {Graph based Clustering Algorithm for Social Community Transmission Prediction of COVID-19},
author = {Varun Nagesh Jolly Behera and Ashish Ranjan and Motahar Reza},
journal= {arXiv preprint arXiv:2011.00414},
year = {2020}
}