在2024年7月12日至14日，SCHOLAT团队于内蒙古呼和浩特参加了由中国计算机学会主办，协同计算专业委员会和内蒙古大学承办的第19届全国计算机支持的协同工作与社会计算学术会议（ChineseCSCW2024）。感谢全国计算机支持的协同工作与社会计算学术会议组织委员会的认可和支持，我非常荣幸能够获得本次会议的“最佳学生论文奖”，特别感谢汤庸老师和袁成哲老师的指导，以及各位师兄师姐和同学们的帮助。论文题目为《Adaptive DeepWalk and Prior-Enhanced Graph Neural Network for Scholar Influence Maximization in Social Networks》，以下是论文的主要内容。

随着学术社交媒体的快速发展，学者社交网络中的节点影响力扩散问题日益受到影响力最大化（IM）领域的广泛关注。现有基于学习的 IM 问题求解方法通常仅依赖于网络拓扑或单个节点活动，缺乏对网络拓扑和节点重要信息的综合考虑，导致模型性能不佳。通过综合考虑网络拓扑结构以及节点的全局信息和重要性，我们提出了一种基于自适应 DeepWalk 算法和先验增强图神经网络（GNN）的深度强化学习（DRL）框架： APGD-IM，旨在优化上述问题导致的性能下降。具体来说，我们提出了一种基于注意力机制和节点重要性信息的自适应 DeepWalk 算法 DRA，以及一种先验增强型图神经网络模块 PGNN，用于生成节点嵌入。之后，通过结合双深度 Q 网络，利用这些嵌入来学习参数，从而解决社交网络中的学者影响力最大化问题。四个真实社交网络的实验结果表明，我们提出的模型优于其他基线方法，并在不同的扩散模型中保持稳定的性能优势。

图1 论文海报 

图2 发表论文海报合影

图3 最佳学生论文颁奖现场

  通过本次获奖以及在现场与专家和学者们的交流，我收获了很多，也深知自己还有许多需要改进和提升的地方。在今后的学习和研究中，我将继续学习领域前沿知识，争取取得更大的进步！