一种基于图神经网络的多阶段自训练社交机器人检测方法

本发明提供了一种基于图神经网络的多阶段自训练社交机器人检测方法。本发明首先利用全连接神经网络以及LSTM分别对社交媒体上用户的基本信息以及其用户发表的推文信息进行处理，并利用双向长短期记忆网络融合不同类型的用户信息作为用户的属性特征。为了对用户属性以及用户之间的拓扑关系进行处理，本发明利用少量标记数据对改进的RGCN进行训练，并利用训练好的RGCN获得未标记数据的预测，结合不确定性感知和深度聚类机制为未标记数据赋予伪标签。最后利用扩充的标记数据集继续对检测模型进行训练，重复该过程，直到模型性能不再变化。在Twibot‑20数据集上的准确率达到0.9259，证明了在缺乏足够标记数据的情况下有效。