.png){kind=icon}
返回
Deep reinforcement learning-based influence maximization for heterogeneous hypergraphs
.png){kind=icon}
PRE
AI
DOI：10.1016/j.physa.2025.130361.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在社会计算领域，理解和优化社交网络中的信息传播至关重要。为有效建模这些网络中存在的复杂高阶关系，采用了超图。当前研究主要集中于同质超图，仅包含单一类型关系。然而，现实世界交互往往涉及更复杂多样的高阶关系，可通过异质超图良好捕捉。本文深入探讨了此类异质超图中的影响最大化挑战。具体而言，我们首先提出HLabel-LT，一种专为异质超图设计的创新扩散模型，通过整合多种关系类型提升模拟精度。此外，我们提出一种新型种子节点选择框架，基于深度强化学习的异质影响最大化（HIMH-DRL），利用深度强化学习的独特自适应试错学习能力优化异质超图中的影响传播。为满足该框架的训练需求，我们还提出一种新的超图生成模型HyperFF-Label，用于创建人工合成的异质超图。在多个真实数据集上的广泛实验表明，我们的方法不仅深化了对超图动态的理解，而且相较于传统方法显著提升了影响传播的效率与效果。本研究强调了利用超图异质性制定更有效的社交网络信息传播策略的潜力。
Keyword:
Influence maximization
Diffusion model
Heterogeneous hypergraphs
Deep reinforcement learning
期刊
P
IF:
3.1
论文数:
1.3K
被引数:
3.6W
机构
引用论文
Generative hypergraph clustering: From blockmodels to modularity生成式超图聚类: 从块模型到模块化.png)
SCIENCE ADVANCES
OAAI
SCIENCE ADVANCESIF12.5
OAAI分享收藏分享收藏分享收藏Cost-effective outbreak detection in networksProceedings of the 13th ACM SIGKDD international conference on Knowledge discovery and data mining
OAAI
Proceedings of the 13th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
OAAI分享收藏Modeling and maximizing information diffusion over hypergraphs based on deep reinforcement learning
PREAI
分享收藏
查看更多内容