面向大数据新兴疫情建模的多模态图学习
机器学习
2023-10-24 v1
摘要
对新兴疫情的准确预测与分析在有效的公共卫生管理与决策中起着关键作用。传统方法主要依赖流行病学数据，忽视了其他可作为疫情模式传感器或指标的有价值信息源。本文提出一种称为 MGL4MEP 的新框架，它集成了时序图神经网络与多模态数据以进行学习与预测。我们借助特定的预训练语言模型并利用用户间潜在图结构，将包括社交媒体内容在内的大数据源纳入其中。该集成通过时序图神经网络的学习提供了丰富的疫情动态指标。大量实验证明了我们的框架在疫情预测与分析中的有效性，在不同地区、疫情情形与预测时域内均优于基线方法。时序图学习与多模态数据的融合能够以更小时滞、更低成本与更多潜在信息指标实现对疫情态势的全面理解。
引用
@article{arxiv.2310.14549,
title = {Multimodal Graph Learning for Modeling Emerging Pandemics with Big Data},
author = {Khanh-Tung Tran and Truong Son Hy and Lili Jiang and Xuan-Son Vu},
journal= {arXiv preprint arXiv:2310.14549},
year = {2023}
}