一种基于深度强化学习和图神经网络的影响力最大化方法及系统

本发明提供了一种基于深度强化学习和图神经网络的影响力最大化方法及系统，属于社交网络分析中影响力最大化领域。旨在通过强化学习技术来优化种子节点的选择，以实现信息在网络中的最大化传播，图神经网络凭借其消息传递机制，能够精准地捕捉图结构中的节点间交互关系，这与级联传播模型中的信息传播过程高度契合。因此，在基于深度强化学习和图神经网络的影响力最大化模型中，将图神经网络与深度强化学习相结合，利用图神经网络学习节点的嵌入表示，这些嵌入表示将作为深度Q网络的输入，以充分捕捉网络中的复杂结构和节点关系。此外，本发明还引入了多头注意力机制来聚合每轮的信息，不仅增强了关键特征的表达，还有效减少了信息冗余。