Die Maximierung des Wettbewerbseinflusses (Cim) Problem beinhaltet mehrere
Unternehmen, die um Einfluss in den sozialen Online -Netzwerken konkurrieren (OSNs). Während tief
Verstärkungslernen (Drl) hat vielversprechend gezeigt, Vorhandene Methoden nehmen häufig an
Benutzer’ Meinungen sind binär und ignorieren ihr Verhalten und ihr Vorwissen. Wir
dran vorschlagen, Ein mehrdimensionaler Unsicherheit, der auf DRL-basierter CIM-Basis-Rahmenwerk basiert
Das nutzt die subjektive Logik (Sl) modellieren Unsicherheit in den Benutzern Meinungen,
Vorlieben, und DRL-Entscheidungsfindung. DRIM führt eine Unsicherheitsbasis ein
Meinungsmodell (Uom) für eine realistischere Darstellung der Benutzerunsicherheit und
Optimiert die Saatgutauswahl für die Ausbreitung wahrer Informationen beim Gegensatz
falsche Informationen. Zusätzlich, Es quantifiziert die Unsicherheit im Ausgleich
Erkundung und Ausbeutung. Die Ergebnisse zeigen, dass UOM die Wahrheit erheblich verbessert
Informationen verbreiten und halten Einfluss auf fortgeschrittene falsche Informationen aufrecht
Strategien. DRIM-basierte CIM-Schemata übertreffen hochmoderne Methoden bis zu bis zu bis zu bis zu
57% Und 88% im Einfluss, während er bis zu 48% Und 77% Schneller. Empfindlichkeit
Die Analyse zeigt, dass eine höhere Netzwerkbeobachtbarkeit und größere Informationen
Propagationssteigerung Leistung, Während die hohe Netzwerkaktivität den Effekt mindert
von Benutzern’ erste Vorurteile.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: