利用异配及同配关系的社交机器人检测方法

• 全文链接
• 请求原文

作   者：

罗森林;  费泽涛;  潘丽敏;  吴舟婷; 

作者机构：

北京理工大学信息与电子学院; 

关键词：

社交机器人;  记忆网络;  异配关系; 

期刊名称：

北京理工大学学报

i s s n：

1001-0645

年卷期：

2025 年 45 卷 001 期

页   码：

77-86

摘   要：

现有基于图的方法未区分用户间的异配、同配关系，造成用户表示中存在异配边带来的噪声，弱化了社交机器人与人类用户之间的差异性，检测准确率降低；社交机器人持续演化模拟人类用户的关注数、推文发布数等元数据，容易导致较难识别的仿真社交机器人比例增加，检测召回率降低.提出一种利用异配及同配关系的社交机器人检测方法，通过记忆网络构建异配、同配关系原型来识别用户关系类型，减少异配边对用户表示的干扰，增加不同类型用户的特征区分性；在损失函数中引入调节因子，提高较难分类用户在模型参数更新过程中的损失贡献，增强了模型对仿真社交机器人的识别效果.实验结果表明，提出的方法优于当前先进方法，此方法通过区分用户间的异配和同配关系，降低异配边的权重，增强了用户表示的类别区分度，即使在低同配性分数的情况下也有效提升了检测准确率.