计算机应用研究

作者：刘晓亮,张鹏飞,

单位：国防大学政治学院,上海200433；

关键词：影响力最大化,关键用户发现,深度强化学习,图注意力机制,

基金：装备基金项目；军队重点院校科研专项；战区级重点实验室自主课题；；

传统影响力最大化问题旨在选择一定数量的信源种子发布特定信息，使该信息传播影响范围最大。然而，通过算法选定的种子用户未必愿意发布指定的信息。此外，传统的影响力最大化算法在不同结构的网络上需要重新运行，效率较低。为了解决上述问题，首先将影响力最大化问题形式化为一个新的信息传播关键用户发现KUIP问题，即如何发现一定数量的关键用户，不要求他们发布指定信息，而是通过干预他们传播信息的态度倾向，来最大化该信息的传播影响。为了更真实地描述信息传播场景，提出一种可调阈值模型ATM来模拟用户传播信息的态度倾向和环境影响。进而，为了保证在不同结构的网络上关键用户发现的效率和效果，提出了一种基于传播特征强化学习的关键用户发现方法KPRL，利用图注意力机制学习用户的传播特征，采用双深度Q网络DDQN训练模型参数。在六个真实网络数据集上的实验表明，KPRL在影响范围指标上平均提升了11.7%，超越了现有的基线方法，展示了其在关键用户发现领域的有效性。

来源：2025年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第9期