用于建模感染传播的图耦合隐马尔可夫模型
社会与信息网络
2012-10-19 v1 物理与社会
应用统计
摘要
我们开发了图耦合隐马尔可夫模型 (GCHMM)，用于对社会网络内局部传染病传播进行建模。与大多数通常在整个人群层面建模感染传播的流行病学研究不同，我们成功利用从 84 人身上收集的长期手机数据，在个体层面建模感染传播。我们的模型 GCHMM 是广泛使用的耦合隐马尔可夫模型 (CHMM) 的扩展，后者允许多个隐马尔可夫模型 (HMM) 之间的状态转移存在依赖关系，而我们将这些依赖关系通过图的结构或随时间变化的社会网络来捕捉。在个体层面进行感染预测的好处是巨大的，因为它使人们能够接收更个性化和相关的健康建议。
引用
@article{arxiv.1210.4864,
title = {Graph-Coupled HMMs for Modeling the Spread of Infection},
author = {Wen Dong and Alex Pentland and Katherine A. Heller},
journal= {arXiv preprint arXiv:1210.4864},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Eighth Conference on Uncertainty in Artificial Intelligence (UAI2012)