【文献阅读】Social Robot Detection Method with Improved Graph Neural Networks
Abstract
Residual Graph Attention Network model with Feature-wise Linear Modulation (ResGAT-FiLM)：
- 通过利用用户的社交网络构建社交关系子图
- 设计了线性图注意力残差网络模型
- 提取用户文本内容和行为基因序列，构建结合子图特征的社会行为特征。
- 结合用户的社会行为和关系特征，更准确地识别社交机器人。
- 基于公开数据集 TwiBot-20 和 Cresci-15 ，所提方法的检测准确率分别达到了 86.73% 和 97.86%。与现有主流方法相比提高了 2.2% 和 1.35%。
Proposed Method
三种社交关系为：关注、被关注、双向同时关注
初始文本先后通过ALBERT模型、PReLU与全连接来提取文本特征
每条推文涉及的行为对应DNA的四个碱基（A, C, G, T）中的一种
DNA序列-四个碱基（A, C, G, T）
A代表用户转发的内容，
T代表回复或其他提及，
C代表用户的原创文本，
字母G来填补其他用户的空缺。
Dataset
