一种基于深度强化学习的主题感知节点识别方法

本发明属于人工智能技术领域，是一种基于深度强化学习的主题感知节点识别方法，包括：构建有向社交网络图，采用多头注意力机制计算节点间主题感知相似度，构建奖励预测网络；生成社区分组，并在社区内执行反向可达集初步估计节点的影响力；根据主题偏好矩阵进行主题分组，对主题分组评分；构建基于分组相对策略优化的深度Q网络，采用经验回放机制和延迟更新策略进行模型训练；通过反向传播更新网络参数，采用Adam优化器进行参数优化；进行动态种子评分；计算各主题组的传播权重并动态分配种子预算，采用贪心策略选择最优种子节点集合。本发明减少了影响力重叠并提升了计算效率，能够更精准地识别在特定语义条件下最具影响力的种子节点集合。