[发明专利]一种基于图注意力网络的社交机器人识别方法

权利要求书

1.一种基于图注意力网络的社交机器人识别方法，其特征在于，步骤如下：

步骤(1)、搜集社交网络数据；

人工搜集一段时间内社交平台上部分账号发布的内容，以及各账号之间的评论关系；对社交平台上某一账号发布的内容进行记录，搜集该条内容下的评论账号发布的实质性评论内容以及评论的评论；同时根据账号所发布的内容及评论关系判断该账号是否为机器人；

步骤(2)、创建数据集；

对所有搜集到的账号发布的实质性内容进行自然语言处理获取特征h，各个账号作为图的顶点，账号间的评论关系形成图的边，并对每个账号都注明是否为机器人，由此形成数据集；将数据集分为两个部分，第一部分包括账号的ID，特征h和类别，第二部分为各账号之间的评论关系；其中训练集，验证集和测试集所占比例约为6：2：2；

步骤(3)、构建图注意力网络

将各账号也就是节点的特征作为输入，输入图注意力算法的网络中，其中N是节点数量；是网络输出；注意力系数为其中W∈R^F′×F，是权重矩阵，a为共享注意力机制：R^F′×R^F→R；为了能够获得结构信息，所以仅计算节点i的一阶邻域内的节点的注意力系数，即e_ij中的j∈N_i，N_i是节点i在图中的一阶邻域；该一阶邻域由数据集第二部分构建的图获得；使用LeakyReLU对其非线性化，然后使用softmax进行规范化，最后得到的注意力系数为

其中，·^T代表转置，||表示连接操作；

然后引入多头注意力机制，得到最终输出；

其中K为多头注意力机制中的头数，可根据实际情况进行选择；σ为非线性激活函数ELU；

最后对得到的使用log_softmax函数就可得到结果；

步骤(4)、训练图注意力网络

用图注意力网络进行训练；按照步骤(2)所述的比例选取训练集和验证集；采用Adam优化器，nll损失函数；在验证过程中将正确率最高的网络参数保存下来；

步骤(5)、图注意力网络的测试

训练完成后，将测试集输入在步骤(4)中保存下来的网络中即可得到测试结果，可以用来判断社交网络账号是否为机器人。