一种基于SEAL思想的节点病毒相关性预测方法

本发明公开了一种基于SEAL思想的节点病毒相关性预测方法，旨在提高城市节点疫情传播风险的预测准确度；该方法包括以下主要步骤：首先，通过时间序列分析获取并处理各城市的病毒感染数据，生成城市节点的时间序列数据；然后计算城市节点间的相关性矩阵，并将相关性系数转化为欧氏距离，构建极大平面子图；接着应用DeepWalk算法进行节点嵌入学习，通过随机游走生成节点序列，并利用Skip‑gram模型进行节点特征表示；进一步提取k‑hop子图，并计算DRNL标签，以获取每个节点在图中的位置和相对距离；最后，将提取的特征信息拼接形成节点特征矩阵，并输入到动态图卷积神经网络中，通过1D卷积神经网络更新节点特征向量，优化节点表示以反映节点在网络中的重要性和传播潜力。