摘要
一种基于传播特征深度强化学习的社交网络关键用户挖掘系统及方法,包括:传播表征提取单元、价值函数计算单元、训练单元和关键用户选择单元,通过在离线阶段从社交网络上采样并构造训练样本网络,用于训练基于图注意力机制的传播特征深度强化学习模型,该模型从训练样本网络中提取用户的传播表征并基于传播表征计算价值函数,在在线阶段通过训练后的传播特征深度强化学习模型,根据实时输入计算用户的价值函数,并基于价值函数快速挖掘推动信息传播范围最大的关键用户。本发明利用图注意力机制学习用户的传播特征并计算衡量累积影响期望的价值函数,采用DDQN训练价值函数参数,基于价值函数选择关键用户,能够在真实情况下取得良好的影响传播表现。
技术关键词
社交网络关键用户
神经网络参数
挖掘方法
注意力机制
深度强化学习模型
在线社交媒体
挖掘系统
邻居
广度优先搜索
传播算法
社交网络图
训练神经网络
动态
上采样
蒙特卡洛
系统为您推荐了相关专利信息
烟雾识别方法
深度学习数据集
隧道
YOLO模型
图像增强
负荷预测方法
多头注意力机制
LSTM神经网络
核密度估计方法
初始聚类中心
盾构掘进姿态
盾构姿态
预测系统
事件触发机制
皮尔逊相关系数
抗干扰无线通信方法
无线信道仿真仪
频段
信号处理单元
策略