【技术实现步骤摘要】
基于异构图神经网络的社交网络异常用户检测方法及设备
本专利技术涉及机器学习
,尤其涉及一种基于异构图神经网络的社交网络异常用户检测方法及设备。
技术介绍
社交网络是人们沟通交流的重要平台,在其影响力不断增长的今天,平台中也存在大量的异常用户影响着用户的正常使用,如僵尸用户、垃圾信息发布者、社交机器人等。需要对这些用户进行检测清除,以保证社交网络的正常使用。在现有的异常用户检测技术中,通常利用用户特征进行建模检测,多是传统的机器学习方法,利用随机森林,贝叶斯算法等技术进行分类。近期也有利用卷积神经网络(CNN)和长短期记忆网络等深度学习算法进行检测的方案。当前检测模型结构功能较为单一,大部分方案只能对某一类异常用户进行识别,比如恶意账号或者僵尸账号,却无法对其他类别的异常用户进行很好的检测识别。
技术实现思路
本专利技术实施例提供一种基于异构图神经网络的社交网络异常用户检测方法及设备,用以解决现有技术中的异常用户检测技术性能低的问题。根据本专利技术实施例的基于异构图神经网络的社交网络异常用户检测方法,包括:针对社交网络收集用户信息,并对收集到的用户信息进行特征提取;基于提取的特征,构建基于社交网络的异构信息网络,并利用社交网络的关系属性设计相应的元路径和元图;基于所述异构信息网络、元路径和元图,根据用户之间的亲密度和相似度,确定用户在社交网络中的表示;基于所述用户在社交网络中的表示,检测用户类型,以确定异常用户。根据本专利技术的一些实施例 ...
【技术保护点】
1.一种基于异构图神经网络的社交网络异常用户检测方法,其特征在于,包括:/n针对社交网络收集用户信息,并对收集到的用户信息进行特征提取;/n基于提取的特征,构建基于社交网络的异构信息网络,并利用社交网络的关系属性设计相应的元路径和元图;/n基于所述异构信息网络、元路径和元图,根据用户之间的亲密度和相似度,确定用户在社交网络中的表示;/n基于所述用户在社交网络中的表示,检测用户类型,以确定异常用户。/n
【技术特征摘要】
1.一种基于异构图神经网络的社交网络异常用户检测方法,其特征在于,包括:
针对社交网络收集用户信息,并对收集到的用户信息进行特征提取;
基于提取的特征,构建基于社交网络的异构信息网络,并利用社交网络的关系属性设计相应的元路径和元图;
基于所述异构信息网络、元路径和元图,根据用户之间的亲密度和相似度,确定用户在社交网络中的表示;
基于所述用户在社交网络中的表示,检测用户类型,以确定异常用户。
2.如权利要求1所述的方法,其特征在于,所述对收集到的用户信息进行特征提取,包括:
从收集到的用户信息中提取用户元特征、行为特征、以及文本语义特征;
所述用户元特征包括以下特征中的至少一个:用户ID、用户昵称、展示昵称、链接、用户描述、注册时间、验证状态、关注者数目、关注数目、所属公共列表数量、喜爱的推文数目、推文数目、是否更改主页背景、以及推文保护状态;
所述行为特征包括发布推文行为和评论行为;
所述文本语义特征包括推文中的主题标签。
3.如权利要求2所述的方法,其特征在于,所述基于提取的特征,构建基于社交网络的异构信息网络,包括:
将用户、推文、评论和主题标签作为节点,将关注、发推、写评论、回复、转推和包含作为边,构建异构信息网络。
4.如权利要求3所述的方法,其特征在于,所述基于所述异构信息网络、元路径和元图,根据用户之间的亲密度和相似度,确定用户在社交网络中的表示,包括:
基于所述异构信息网络、元路径和元图,确定用户节点之间的连接类型,所述连接类型包括一跳连接和多跳连接;
针对所述一跳连接,从用户之间的亲密度出发,聚合用户节点的邻居节点信息;
针对所述多跳连接,从用户之间的相似度出发,聚合用户节点的邻居节点信息;
基于聚合的用户节点的所有邻居节点信息,确定用户在社交网络中的表示。
5.如权利要求4所述的方法,其特征在于,所述针对所述一跳连接,从用户之间的亲密度出发,聚合用户节点的邻居节点信息,包括:
给定元路径和元图的集合为:S={s1,s2,…sm},对于给定的一组节点(x,y)通过路径si相连,根据公式1计算邻居节点y与用户节点x之间的亲密度为:
其中,ux和uy分别表示用户节点x和邻居节点y的特征向量,为由si所决定的矩阵,σ表示激活函数;
根据公式2计算邻居节点y的权重系数:
根据公式3计算用户节点x在路径si下的表示为:
其中,E表示采用多头注意力机制后用户连接次数;...
【专利技术属性】
技术研发人员:李阳阳,刘弋锋,武文翰,金昊,郭庆浪,曹银浩,彭浩,杨阳朝,石珺,
申请(专利权)人:中国电子科技集团公司电子科学研究院,深圳市网联安瑞网络科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。