[发明专利]一种社交媒体机器人群体快速检测方法

说明书

本发明提供一种社交媒体机器人群体快速检测方法，其特征在于，包括如下步骤：步骤一，获取个体社交账户的基本属性特征向量、行为特征向量、文本特征向量和关系属性特征向量；步骤二，通过机器学习模型检测出个体社交机器人；步骤三，获取所述个体社交账户在图神经网络上的向量表达成为图向量；步骤四，利用所有个体社交账户的图向量，通过计算图向量的相似度，来判断所述尚未检测的个体社交账户是否为社交机器人。本发明先检测出个体社交机器人，再通过通过基于图神经网络的相似用户判断，寻找与检测出的个体社交机器人相似的用户，能够实现快速检测社交媒体机器人群体。

技术领域

本发明涉及网络空间社交媒体安全治理领域，具体而言，涉及一种社交媒体机器人群体快速检测方法。

背景技术

当前社交媒体平台使用越来越广泛，由于网络的匿名性和便捷性，每个人都愿意在社交媒体平台表达观点、发表言论，大量的网络意见逐渐汇聚形成民意，会影响决策者的判断。随着社交媒体机器人技术的进步，通过人为操纵大量社交媒体机器人发表有目的言论，在网络上炒作热点、煽动民众，对网络空间安全乃至社会安全构成严重威胁，因此如何实现大批量社交媒体机器人群体快速、有效检测是个亟待解决的问题。

发明内容

本发明旨在提供一种社交媒体机器人群体快速检测方法，以解决如何实现大批量社交媒体机器人群体快速、有效检测的问题。

本发明提供的一种社交媒体机器人群体快速检测方法，包括如下步骤：

步骤一，特征分析：从社交网络平台获取个体社交账户的基本信息、行为信息、内容信息和关系信息，并通过向量转化得到所述个体社交账户的基本属性特征向量、行为特征向量、文本特征向量和关系属性特征向量，然后将所述个体社交账户的基本属性特征向量、行为特征向量、文本特征向量和关系属性特征向量进行拼接融合，得到所述个体社交账户的用户特征向量；

步骤二，个体检测：利用所述个体社交账户的基本属性特征向量、行为特征向量和文本特征向量，通过机器学习模型检测出个体社交机器人；

步骤三，图向量表达：基于图神经网络中node2vec算法对所有个体社交账户的用户特征向量进行编码，得到所有个体社交账户在图上的向量表达，将所述个体社交账户在图神经网络上的向量表达成为图向量；

步骤四，群体检测：利用所有个体社交账户的图向量，通过计算尚未检测的个体社交账户的图向量与步骤二中已检测出的个体社交机器人对应个体社交账户的图向量的相似度，来判断所述尚未检测的个体社交账户是否为社交机器人。

进一步的，步骤一中所述向量转化的方法包括：

基于预先构建的第一向量转化特征工程，将所述个体社交账户的基本信息转化为所述个体社交账户的基本属性特征向量；

基于预先构建的第二向量转化特征工程，将所述个体社交账户的行为信息转化为所述个体社交账户的行为特征向量；

基于预先构建的第三向量转化特征工程，将所述个体社交账户的内容信息转化为所述个体社交账户的文本特征向量；

基于预先构建的第四向量转化特征工程，将所述个体社交账户的关系信息转化为所述个体社交账户的关系属性特征向量。

进一步的，所述第一向量转化特征工程和第二向量转化特征工程均采用onehot编码技术实现。

进一步的，所述第三向量转化特征工程为利用深度神经网络构建并预训练的sentence_bert模型；所述基于预先构建的第三向量转化特征工程将所述个体社交账户的内容信息转化为所述个体社交账户的文本特征向量的方法包括：

基于预训练的sentence_bert模型用预设的训练集进行微调，取CLS位置的输出向量作为整个句子向量表达语义；