前端的输入：budget即传播策略选择的种子节点数目

运行流程：

docker build -t zjnu_ip -f src/ZJNU/Influence_Prediction/Dockerfile .

docker build ./src/SJTU/DDQN -t sjtu_DDQN

docker run --rm -v $(pwd)/data:/app/data zjnu_ip python main1.py (运行数据特征提取模块和群体影响力估计模块)

docker run --rm -v $(pwd)/data:/app/data sjtu_DDQN python main.py (运行传播策略模块)

docker run --rm -v $(pwd)/data:/app/data zjnu_ip python main2.py (运行传播仿真环境构建模块)

Feature_Extract：数据特征提取模块

Brief

输入三所数据，输出用户和贴文特征。耗时1min20s

inputs

• generate.json data/ZJNU/Feature_Extract/generate.json

outputs

• account_info_list.json data/ZJNU/account_info_list.json -post_info_list.json data/ZJNU/post_info_list.json -account_info_list：存储用户信息 -post_info_list：存储贴文信息

Influence_Prediction： 群体影响力估计模块

Brief

输入用户和贴文特征，输出用户群体影响力（更改account_info_list中用户对象的influence属性值）。耗时3min40s

inputs

• account_info_list：存储用户信息。

outputs

• account_info_list：修改用户对象的influence属性值

DDQN：传播策略模块

Brief

输入用户和贴文特征，输出传播策略选取的种子节点。耗时：10min：runs on 2080ti

inputs

• account_info_list.json：data/ZJNU/account_info_list.json
• post_info_list.json：data/ZJNU/post_info_list.json

outputs

• node_features.json：data/SJTU/DDQN/data_sjtu/node_features.json

Analog_Propagation：传播仿真环境构建模块

Brief

输入用户、贴文特征以及传播策略选择的种子节点，输出信息传播路径和覆盖率。耗时1min50s

inputs

• node_features.json：data/SJTU/DDQN/data_sjtu/node_features.json
• account_info_list.json data/ZJNU/account_info_list.json
• post_info_list.json data/ZJNU/post_info_list.json

outputs

• coverage_I1：负能量抑制场景下信息覆盖率
• coverage_I2：正能量增强场景下信息覆盖率
• ic_result_list：信息传播路径

resource reference（浙师大）

• need a cuda GPU
• runs on Core i5_12 / RTX3090 for 7 mins
• use 16G memory