UHBCELF 影响力最大化算法

竞争互补共存网络

融合竞争互补传播模型与用户历史行为预测，在多实体社交网络中实现种子节点传播效果显著提升。

Fu, Chunlong · Gang, Wang · Yurui, Jiang · 杜亚军

Engineering Applications of Artificial Intelligence 2025

参数信息

F1 分数提升

6.8 %

预期传播范围提升

7.4 %

技术优势

预测更准

R-BiGRU 利用用户历史行为序列和评分预测采纳概率，比传统模型更好地捕捉用户偏好。

考虑竞争互补

CCIC 模型把竞争和互补关系都纳入传播过程，更贴近真实多实体网络。

种子选得更好

UHBCELF 算法基于预测结果选择最优种子节点，提升传播效果。

效果提升显著

在四个公开数据集上，F1 分数提高 6.8%，预期传播范围增加 7.4%。

应用场景

• 社交网络影响力传播：在多实体社交网络中更准地找种子用户，扩大目标信息传播。
• 推荐系统：利用用户历史行为预测采纳概率，改善推荐效果。
• 观点控制：识别能最大化观点传播的关键节点，辅助舆论引导。
• 多智能体协调：在多实体互动场景中优化节点选择策略。