构建高精度预测模型以解析EB病毒（EBV）基因组整合规律及其致癌机制。该研究整合CKSNAP、MMI等7种特征编码策略构建366维特征编码，构建基于投票策略的集成学习框架，进行EBV基因组整合位点的预测。在基准数据集上经五折交叉验证，模型 ACC和 AUC分别达 92.71%与 91.74%，较 DeepEBV模型提升 2.92%和 7.82%。SHAP可解释性分析揭示CKSNAP等特征为关键特征。该模型为EBV整合机制研究提供高效工具，同时通过特征重要性解析为致癌机制研究提供新视角。