.png){kind=icon}
.png){kind=icon}
返回
Proactive Rumor Control Using Graph Neural Networks and Evolutionary Optimization
.png){kind=icon}
OA
AI
DOI：10.1007/s41019-025-00304-y.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在数字时代，社交网络已成为信息传播的关键平台，但它们也因谣言和虚假信息的快速传播而带来显著风险。现有谣言控制方法通常依赖假设单次接触反谣言信息足以减轻其影响的模型，忽视了多次曝光对有效行为改变的必要性。在本工作中，我们针对“基于曝光次数的谣言控制”问题，提出了首个基于机器学习（ML）的解决方案。我们的方法结合图神经网络与贪心算法，以高效管理大规模社交网络。为进一步提升计算效率，我们引入进化优化，形成了一种不仅能应对有效性挑战，还能随网络规模高效扩展的方法。在真实数据集上的大量实验表明，我们的方法在有效性和可扩展性两方面均优于现有方法，计算效率提升1到2个数量级。
Keyword:
Social network
Rumor control
Machine learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。