基于图神经网络的时序图影响力最大化候选节点预测

本研究解决了传统影响力最大化策略在快速变化的动态网络中难以识别影响节点的问题。我们提出了一种新颖的学习方法，将图神经网络(GNN)与双向长短期记忆(BiLSTM)模型相结合，能够准确预测候选节点，适应网络的时间变化。研究表明，该方法在不同网络中实现了90%的平均准确率，显著提高了种子集选择的效率，减少了计算开销。

本研究提出了一种新方法，将图神经网络与双向长短期记忆模型结合，以解决动态网络中的节点识别问题。该方法在不同网络中实现了90%的准确率，提高了种子集选择效率，降低了计算开销。

准确率 动态网络 图神经网络 时序 神经网络 节点识别 长短期记忆
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友