具有社区感知能力的图对比学习社交媒体机器人识别方法技术

本发明专利技术公开了一种具有社区感知能力的图对比学习社交媒体机器人识别方法，提取用户信息并获得用户及用户文本的表示向量，构建以用户和用户文本为节点的多种节点类型、多种边关系的异质图；提取用户图进行社区检测，划分社区子图，形成子图池，并定义同一社区中不同类别的节点为负样本，相同类别的节点为正样本；对每一幅社区子图，利用节点特征干扰、连接预测、近义词替换进行图增强，并从子图池中获取一幅相似度最低的匹配子图；利用图对比学习拉远负样本在特征空间中的距离，拉近正样本之间的距离，辅助模型获得较优的节点表示用于节点分类。由此，解决了使用图卷积神经网络进行社交媒体机器人识别过程中的过度平滑问题和泛化能力弱问题。

【技术实现步骤摘要】

本专利技术涉及图学习，特别涉及一种具有社区感知能力的图对比学习社交媒体机器人识别方法。

技术介绍

1、随着社交媒体应用的兴起，社交媒体机器人检测任务逐渐受到重视。目前，基于图的算法能够更多地利用社交网络信息，因此在该领域得到了很好的应用，但图的算法仍面临着较小的数据集规模导致的模型泛化性差、图卷积网络信息传播机制导致的节点特征过度平滑等问题。

2、过去的方法过度聚焦于涉及复杂的图卷积神经网络来提升模型的效果，忽视了社交媒体网络中社区结构这一特有属性。利用社区结构，能够将用户分为多个簇，每个簇中用户具有相似的特性，不同簇间的用户差异性较大，这种特性使得一个簇中的真人能与另一簇中的机器人很好区分。因此，当识别出社区结构，进行机器人识别任务时只需要关注每一个簇中的情况。但是，由于图卷积网络的过度平滑特性，每个社区内的节点相似度会非常高，增加分类的难度。

技术实现思路

1、本专利技术提供一种具有社区感知能力的图对比学习社交媒体机器人识别方法，通过利用社交网络中的社区结构以及图对比学习，并设计图对比损失函数本文档来自技高网...

【技术保护点】

1.一种具有社区感知能力的图对比学习社交媒体机器人识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤1具体包括：

3.根据权利要求1所述的方法，其特征在于，步骤2具体包括：

4.根据权利要求1所述的方法，其特征在于，步骤3具体包括：

5.根据权利要求1所述的方法，其特征在于，步骤4具体包括：

6.根据权利要求5所述的方法，其特征在于，预设对比损失函数为：

【技术特征摘要】

1.一种具有社区感知能力的图对比学习社交媒体机器人识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤1具体包括：

3.根据权利要求1所述的方法，其特征在于，步骤2具体包...

【专利技术属性】
技术研发人员：李丕绩，陈思远，丰硕，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：