基于双曲空间与自适应图结构的社交机器人检测方法

一种基于双曲空间与自适应图结构的社交机器人检测方法，由获取数据集、划分数据集、提取各类别的用户特征、构建社交机器人检测网络、训练社交机器人检测网络、测试已构建的社交机器人检测网络、识别和检测社交机器人步骤组成。本发明解决了传统欧氏空间难以建模社交网络层级化结构的问题，降低了高维稀疏数据下的表征失真，降低了噪声边对检测结果的影响和误检率；解决了表征学习中的过拟合问题和异质社交网络中关系类型不平衡的问题，优化了检测精度。对比实验结果表明，本发明方法在复杂网络环境下对噪声交互和异常拓扑结构具有更强的鲁棒性。在检测精度与泛化能力之间实现了良好平衡，在训练数据有限的情况下能实现快速收敛与高模型性能。