69一区二三区好的精华液,中文字幕无码av波多野吉衣,亚洲精品久久久久久无码色欲四季,日本不卡高字幕在线2019

在2024年7月12日至14日，SCHOLAT團隊于內蒙古呼和浩特參加了由中國計算機學會主辦，協同計算專業委員會和內蒙古大學承辦的第19屆全國計算機支持的協同工作與社會計算學術會議（ChineseCSCW2024）。感謝全國計算機支持的協同工作與社會計算學術會議組織委員會的認可和支持，我非常榮幸能夠獲得本次會議的“最佳學生論文獎”，特別感謝湯庸老師和袁成哲老師的指導，以及各位師兄師姐和同學們的幫助。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容。

隨著學術社交媒體的快速發展，學者社交網絡中的節點影響力擴散問題日益受到影響力最大化（IM）領域的廣泛關注。現有基于學習的 IM 問題求解方法通常僅依賴于網絡拓撲或單個節點活動，缺乏對網絡拓撲和節點重要信息的綜合考慮，導致模型性能不佳。通過綜合考慮網絡拓撲結構以及節點的全局信息和重要性，我們提出了一種基于自適應 DeepWalk 算法和先驗增強圖神經網絡（GNN）的深度強化學習（DRL）框架： APGD-IM，旨在優化上述問題導致的性能下降。具體來說，我們提出了一種基于注意力機制和節點重要性信息的自適應 DeepWalk 算法 DRA，以及一種先驗增強型圖神經網絡模塊 PGNN，用于生成節點嵌入。之后，通過結合雙深度 Q 網絡，利用這些嵌入來學習參數，從而解決社交網絡中的學者影響力最大化問題。四個真實社交網絡的實驗結果表明，我們提出的模型優于其他基線方法，并在不同的擴散模型中保持穩定的性能優勢。

圖1 論文海報 

圖2 發表論文海報合影

圖3 最佳學生論文頒獎現場

  通過本次獲獎以及在現場與專家和學者們的交流，我收獲了很多，也深知自己還有許多需要改進和提升的地方。在今后的學習和研究中，我將繼續學習領域前沿知識，爭取取得更大的進步！