图神经网络实战——基于时空图神经网络预测流行病

图神经网络实战——基于时空图神经网络预测流行病

引用

CSDN

1.

https://m.blog.csdn.net/LOVEmy134611/article/details/143843898

0. 前言

我们已经知道，带有时间信号图可以分为静态图（特征和标签会随时间变化）和动态图（图的拓扑结构、特征和标签会随时间变化）。在时空图神经网络（Temporal Graph Neural Networks, TGNN）一节中，我们已经学习了静态图的应用示例。在本节中，我们将探讨如何处理动态图，介绍另一种为动态图设计的时空图神经网络架构，并将其应用于流行病预测，以预测英格兰不同地区COVID-19病例的数量。

1. COVID-19 数据集介绍

本节中，我们将使用英格兰COVID数据集，这是一种由Panagopoulos等人于2021年引入的具有时间信息的动态图。虽然节点是静态的，但节点之间的连接和边权重会随时间变化。该数据集包含了2020年3月3日至5月12日期间英格兰129个NUTS 3地区报告的COVID-19病例数。数据收集自安装了