期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于强化学习的社交网络影响力最小化模型GCNNs-DDQN
1
作者 陈梓彦 袁得嵛 +1 位作者 孙泽宇 程佳琳 《计算机科学与探索》 北大核心 2025年第9期2458-2469,共12页
谣言传播迅速且危害较大,因此,利用辟谣信息对谣言传播进行抑制对于社会稳定有重要意义。为了使已经传播的谣言的影响力尽快减小并消失,提出一种结合图神经网络GCN、GNN、Double DQN的动态辟谣GCNNs-DDQN模型。使用GCN获得节点作为源节... 谣言传播迅速且危害较大,因此,利用辟谣信息对谣言传播进行抑制对于社会稳定有重要意义。为了使已经传播的谣言的影响力尽快减小并消失,提出一种结合图神经网络GCN、GNN、Double DQN的动态辟谣GCNNs-DDQN模型。使用GCN获得节点作为源节点和目标节点的初始节点嵌入,结合节点状态向量,将其作为输入传入4个耦合的GNN以获得复杂节点嵌入,进行Q值计算,同时使用Double DQN结合Q值与奖励,优化4个耦合的GNN和Double DQN模型的权重参数,从而实现根据谣言传播的情况,选择当前情况下影响力最大的节点发布辟谣信息。使用10个不同大小的真实数据集来评估模型的辟谣效果,并对各参数对辟谣效果的影响进行分析,最后进行消融实验。实验结果表明,GCNNs-DDQN模型具有更强的泛化能力,能够应用于不同的社交网络中,相较于传统算法,辟谣时间最高可缩短2个单位时间;对谣言有利的参数值的增加,会加大辟谣难度,增加阻断时间,而对辟谣信息有利的因素,则不一定会减少阻断时间,反而可能阻碍辟谣。 展开更多
关键词 谣言影响力最小化 图神经网络 Double DQN
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部