922
15
0
2024-07-19 19:04:37
2024-07-19
在2024年7月12日至14日，SCHOLAT團(tuán)隊(duì)于內(nèi)蒙古呼和浩特參加了由中國(guó)計(jì)算機(jī)學(xué)會(huì)主辦，協(xié)同計(jì)算專業(yè)委員會(huì)和內(nèi)蒙古大學(xué)承辦的第19屆全國(guó)計(jì)算機(jī)支持的協(xié)同工作與社會(huì)計(jì)算學(xué)術(shù)會(huì)議（ChineseCSCW2024）。感謝全國(guó)計(jì)算機(jī)支持的協(xié)同工作與社會(huì)計(jì)算學(xué)術(shù)會(huì)議組織委員會(huì)的認(rèn)可和支持，我非常榮幸能夠獲得本次會(huì)議的“最佳學(xué)生論文獎(jiǎng)”，特別感謝湯庸老師和袁成哲老師的指導(dǎo)，以及各位師兄師姐和同學(xué)們的幫助。論文題目為《Adaptive DeepWalk and Prior-Enhanced Graph Neural Network for Scholar Influence Maximization in Social Networks》，以下是論文的主要內(nèi)容。
隨著學(xué)術(shù)社交媒體的快速發(fā)展，學(xué)者社交網(wǎng)絡(luò)中的節(jié)點(diǎn)影響力擴(kuò)散問(wèn)題日益受到影響力最大化（IM）領(lǐng)域的廣泛關(guān)注?，F(xiàn)有基于學(xué)習(xí)的 IM 問(wèn)題求解方法通常僅依賴于網(wǎng)絡(luò)拓?fù)浠騿蝹€(gè)節(jié)點(diǎn)活動(dòng)，缺乏對(duì)網(wǎng)絡(luò)拓?fù)浜凸?jié)點(diǎn)重要信息的綜合考慮，導(dǎo)致模型性能不佳。通過(guò)綜合考慮網(wǎng)絡(luò)拓?fù)?/span>結(jié)構(gòu)以及節(jié)點(diǎn)的全局信息和重要性，我們提出了一種基于自適應(yīng) DeepWalk 算法和先驗(yàn)增強(qiáng)圖神經(jīng)網(wǎng)絡(luò)（GNN）的深度強(qiáng)化學(xué)習(xí)（DRL）框架： APGD-IM，旨在優(yōu)化上述問(wèn)題導(dǎo)致的性能下降。具體來(lái)說(shuō)，我們提出了一種基于注意力機(jī)制和節(jié)點(diǎn)重要性信息的自適應(yīng) DeepWalk 算法 DRA，以及一種先驗(yàn)增強(qiáng)型圖神經(jīng)網(wǎng)絡(luò)模塊 PGNN，用于生成節(jié)點(diǎn)嵌入。之后，通過(guò)結(jié)合雙深度 Q 網(wǎng)絡(luò)，利用這些嵌入來(lái)學(xué)習(xí)參數(shù)，從而解決社交網(wǎng)絡(luò)中的學(xué)者影響力最大化問(wèn)題。四個(gè)真實(shí)社交網(wǎng)絡(luò)的實(shí)驗(yàn)結(jié)果表明，我們提出的模型優(yōu)于其他基線方法，并在不同的擴(kuò)散模型中保持穩(wěn)定的性能優(yōu)勢(shì)。
圖1 論文海報(bào)
圖2 發(fā)表論文海報(bào)合影
圖3 最佳學(xué)生論文頒獎(jiǎng)現(xiàn)場(chǎng)
通過(guò)本次獲獎(jiǎng)以及在現(xiàn)場(chǎng)與專家和學(xué)者們的交流，我收獲了很多，也深知自己還有許多需要改進(jìn)和提升的地方。在今后的學(xué)習(xí)和研究中，我將繼續(xù)學(xué)習(xí)領(lǐng)域前沿知識(shí)，爭(zhēng)取取得更大的進(jìn)步！
