基于融合特征多重异构网络的微博社交机器人检测方法

• 全文链接
• 请求原文

作   者：

张怀博;  刘晓娜;  刘欣;  冯浩源;  尹芷仪;  沈华伟; 

作者机构：

智能协同感知与分析认知实验室;  中国科学院计算技术研究所智能算法安全重点实验室; 

关键词：

社交机器人检测;  社群发现;  多重异构图神经网络; 

期刊名称：

中文信息学报

i s s n：

1003-0077

年卷期：

2025 年 39 卷 001 期

页   码：

133-143

摘   要：

基于图神经网络的社交机器人检测方法是近年来社交机器人检测领域的研究热点之一，该方法通过刻画社交平台账号的节点特征，并根据账号之间的多种社交网络关系构建异构图神经网络，进而使用图节点分类的方法识别社交机器人。基于异构图神经网络的方法仍然存在两个方面的问题：一是现有的网络构建方法对传统用户社交关系如粉丝、关注等社交关系数据依赖性比较强，可扩展性比较差；二是现有特征构建方法重点关注社交机器人的个体特征，缺乏对社交机器人群体特征的引入，弱化了对具有相近群体特征的社交机器人的检测能力。基于以上问题，该文提出了融合群体特征的多重异构网络模型MCF-RGCN,该模型引入话题共现网络作为社交关系网络的补充，使模型在不依赖社交关系的情况下也能获得良好的社交机器人检测效果；同时，该文在账号元信息特征、行为特征、内容特征、时序特征、社交网络特征的基础上，引入了社群属性特征增强了账号在群体特征方面的表达，使模型进一步提升了对具有相似群体特征的社交机器人的检测能力。在微博数据集上的实验结果表明，该方法相比目前主流的社交机器人检测方法在F1值上提升了近2.3%。