摘要
本发明公开了基于双向特征增强异构图卷积的恶意社交机器人检测方法,包括:步骤1:通过用户发布的内容提取互动过程中形成的社交关系网络矩阵,同时提取用户发布的原创文本内容;步骤2:将原创文本内容通过LaBSE模型进行编码,得到最终的用户文本特征向量;步骤3:构建双向特征增强异构图卷积网络模型并进行训练;步骤4:将社交关系网络矩阵输入到训练后的双向特征增强异构图卷积网络模型,得到整体节点特征;步骤5:对最终的用户文本特征向量应用线性变换,再融合整体节点特征,得到恶意社交机器人检测结果。本发明方法,有效地捕捉社交网络中互动关系的方向性和交互性,准确地识别出社交网络中的正常用户和恶意社交机器人。
技术关键词
文本特征向量
节点特征
卷积网络模型
社交机器人
关系网络
异构
矩阵
社交网络结构
最终用户
参数
交互性
注意力
编码
序列
系统为您推荐了相关专利信息
管理方法
JavaScript渲染
节点特征
图像
融合特征
规划系统
注意力神经网络
机器人
学习器
节点特征
网络融合驱动
风电机组
运维知识图谱
节点特征
数据
构图结构
结构重构方法
强化学习模型
融合特征
变量