计算机科学与探索

作者：陈梓彦, 袁得嵛, 孙泽宇, 程佳琳

单位：1. 中国人民公安大学 信息网络安全学院，北京 1000382. 安全防范技术与风险评估公安部重点实验室，北京 102623

关键词：谣言影响力最小化,图神经网络,Double DQN

基金：中国人民公安大学网络空间安全执法技术双一流创新研究专项（2023SYL07）。

谣言传播迅速且危害较大，因此，利用辟谣信息对谣言传播进行抑制对于社会稳定有重要意义。为了使已经传播的谣言的影响力尽快减小并消失，提出一种结合图神经网络GCN、GNN、Double DQN的动态辟谣GCNNs-DDQN模型。使用GCN获得节点作为源节点和目标节点的初始节点嵌入，结合节点状态向量，将其作为输入传入4个耦合的GNN以获得复杂节点嵌入，进行Q值计算，同时使用Double DQN结合Q值与奖励，优化4个耦合的GNN和Double DQN模型的权重参数，从而实现根据谣言传播的情况，选择当前情况下影响力最大的节点发布辟谣信息。使用10个不同大小的真实数据集来评估模型的辟谣效果，并对各参数对辟谣效果的影响进行分析，最后进行消融实验。实验结果表明，GCNNs-DDQN模型具有更强的泛化能力，能够应用于不同的社交网络中，相较于传统算法，辟谣时间最高可缩短2个单位时间；对谣言有利的参数值的增加，会加大辟谣难度，增加阻断时间，而对辟谣信息有利的因素，则不一定会减少阻断时间，反而可能阻碍辟谣。

来源：2025年第9期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第9期