基于多门控混合专家网络的社交机器人检测

摘要

[目的]针对社交机器人模仿真实用户特征伪装自身及不同社区用户行为差异显著使得检测难度提升的问题进行研究.[方法]提出基于多门控混合专家网络的社交机器人检测模型（multi-gated mixture of experts network bot detection, MGEBot）.该方法首先将用户元数据与推文数据编码为序列信息，并对关系数据进行图结构编码，实现多角度用户信息表征.随后，将信息输入多门控混合专家网络，学习不同社区用户群体的独有特征，以应对社区差异性问题.最终，融合3种模态的表征进行检测.[结果]在Cresci-15、TwiBot-20和TwiBot-22 3个主流数据集上，MGEBot在F₁等指标上均超越现有基准模型.在泛化性与鲁棒性实验中，MGEBot表现出更好的稳定性与适应性.分析实验表明门控数量增加可显著提升性能，但存在饱和点；专家数量并非越多越好，需寻求最优配置.[结论] MGEBot能有效应对社区差异性挑战，其多源信息融合与多门控混合专家网络机制提升了检测精度和泛化能力，适用于多样化真实场景的社交机器人检测任务.

关键词

社交机器人检测 / 社区群体差异性 / 多门控专家混合网络