一种基于图神经网络的超图传染病传播过程预测方法技术

本发明专利技术属于网络信息分析技术领域，具体为一种基于图神经网络的超图传染病传播过程预测方法。本发明专利技术包括：将用以表述超图结构的邻接矩阵投影成为低阶带权图形式，包含描述节点空间关系的低阶邻接矩阵和描述连边特性的连边权重两项；由多层图注意力网络算法从低阶带权图中重构节点在超图中的空间信息，并将其与带有时序信息的节点特征进行融合；通过长短时记忆门算法实现对节点特征中传染病传播的动力学特征提取；由多层感知机算法对下一时刻超图中被病毒感染的节点数目进行预测。本发明专利技术实现了由超图的低阶投影和低阶图神经网络算法预测超图中的传染病传播过程。

【技术实现步骤摘要】

本专利技术属于网络信息分析，具体涉及一种基于图神经网络的超图传染病传播过程预测方法。

技术介绍

1、通过对covid-19全球大流行的研究和流行病学调查，研究者发现，病毒传播已经不再是单一的个体感染个体过程，而是出现明显的聚集性感染，如以家庭、学校、公司为单位的场所性聚集感染；也就是说病毒传播是具有群体性的。同时，随着全球分工与合作的进一步加深，这种群体性的现象也出现在生活中的很多场景，比如同辈压力和公司间的市场竞争等等；网络科学领域将这种现象称为高阶交互。高阶交互是一种超出传统的单对单，单对多，多对单甚至多对多的交互的高阶形式。因为，我们无法简单判断群体里中哪些个体发生了哪些交互，参考文献[1]证明了高阶交互无法用传统的二者交互关系进行简化，因此，高阶交互也就无法用传统的图结构来刻画；为了更为准确地描述高阶交互关系，网络科学邻域引入了超图这种能够描述更加复杂的个体间关系的网络结构。

2、因为超图具有复杂的空间关系，所以其是一种更加适合对现实的传染病传播进行建模的数据结构。由于超图上的高阶结构可以加速或者阻碍病毒的传播，需要对高阶上的传染病传播本文档来自技高网...

【技术保护点】

1.一种基于图神经网络的超图传染病传播过程预测方法，其特征在于，设计一种超图动力学图神经网络(HGD-GNN)；为了能够在超图上使用HGD-GNN，相比于图神经网络引入了一些改变，包括，(1)引入时间维度的特性提取模块；(2)由于其中的低阶有向图的边权特性是通过超图投影而来的，边权特性与节点特性具有同等重要的地位，所以引入边权特性伴随着节点特性的同步更新模块；(3)引入有效传播率μ约束算法：节点特性x是超图中所有的节点在有效传播率μ＝λ/δ下经过传播过程产生的，其中λ表示超图中处于易感态的节点vi被包含该节点的超边ej∈εi中处于感染态节点感染的概率，δ表示处于感染态的节点恢复到易感态的...

【技术特征摘要】

1.一种基于图神经网络的超图传染病传播过程预测方法，其特征在于，设计一种超图动力学图神经网络(hgd-gnn)；为了能够在超图上使用hgd-gnn，相比于图神经网络引入了一些改变，包括，(1)引入时间维度的特性提取模块；(2)由于其中的低阶有向图的边权特性是通过超图投影而来的，边权特性与节点特性具有同等重要的地位，所以引入边权特性伴随着节点特性的同步更新模块；(3)引入有效传播率μ约束算法：节点特性x是超图中所有的节点在有效传播率μ＝λ/δ下...

【专利技术属性】
技术研发人员：李聪，王武，曲博，李翔，
申请(专利权)人：复旦大学，
类型：发明
国别省市：