La massimizzazione dell'influenza competitiva (CIM) Il problema coinvolge più
entità in competizione per influenza nei social network online (OSNS). Mentre profondo
Apprendimento del rinforzo (Dr) ha mostrato promesse, I metodi esistenti spesso assumono
utenti’ Le opinioni sono binarie e ignorano il loro comportamento e la conoscenza precedente. Noi
proporre drim, Un framework CIM basato su DRL multidimensionale consapevole di DRL
che sfrutta la logica soggettiva (SL) Per modellare l'incertezza nelle opinioni degli utenti,
preferenze, e il processo decisionale DRL. Drim introduce un'incertezza basata su
Modello di opinione (Uom) Per una rappresentazione più realistica dell'incertezza dell'utente e
ottimizza la selezione dei semi per la propagazione di informazioni vere mentre si contrastano
false informazioni. Inoltre, quantifica l'incertezza nel bilanciamento
esplorazione e sfruttamento. I risultati mostrano che l'UOM migliora significativamente vero
Le informazioni si diffondono e mantengono influenza contro false informazioni avanzate
strategie. Gli schemi CIM a base di DRIM superano i metodi all'avanguardia fino a
57% E 88% Influenza mentre si trova fino a 48% E 77% Più veloce. Sensibilità
L'analisi indica che una maggiore osservabilità della rete e maggiori informazioni
La propagazione aumenta le prestazioni, mentre un'elevata attività di rete mitiga l'effetto
di utenti’ pregiudizi iniziali.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: