面向空间荟集健康风险建模的空间方向双注意力图注意力网络
机器学习
2025-04-15 v1 计算机与社会
摘要
环境暴露于氟离子是公共卫生的主要关注点，尤其是在天然氟浓度升高的地区。准确建模与氟相关的健康风险（如牙髓氟斑）需要能够捕获地理空间和语义异质性的空间感知学习框架。本文提出一种空间方向双注意力图注意力网络(SPatially Directional Dual-Attention GAT, SDD-GAT)，一种用于精细健康风险预测的新型空间图神经网络。SDD-GAT 引入双图架构，以无缝分离地理邻近性和属性相似性，并纳入方向注意力机制，显式地将空间方向和距离编码到消息传递过程中。为进一步增强空间一致性，我们引入一种空间光滑正则化项，以在相邻位置之间的预测实现一致性。我们在覆盖中国贵州省5万多条氟监测样本和氟斑记录的大型数据集上评估了 SDD-GAT。结果表明，SDD-GAT 在回归和分类任务中均显著优于传统模型和最新的图神经网络，同时在空间自相关（以 Moran's I 为度量）方面也表现出改进。我们的框架为复杂环境情境下的空间健康风险建模和地理学习提供了一个通用化的基础。
引用
@article{arxiv.2504.09416,
title = {Spatially Directional Dual-Attention GAT for Spatial Fluoride Health Risk Modeling},
author = {Da Yuan},
journal= {arXiv preprint arXiv:2504.09416},
year = {2025}
}