买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州大学

摘要：本发明公开了一种基于多维度特征融合和残差图神经网络的社交机器人检测方法及装置，包括：基于用户社交关系数据构建由用户作为节点、用户社交关系作为边的图；获取基于用户属性的特征、基于用户发布内容的特征、基于时间信息的特征和基于用户活动行为的特征，将上述特征拼接融合得到用户在全面维度上的特征向量；将引入注意力机制的图表示学习并行训练出的低维稠密向量在节点级别上进行融合，形成基于每个节点特征数据以及拓扑结构的低维稠密向量；采用特征消融分析研究每个维度特征的重要性；使用残差图神经网络和模型集成策略，构建基于多维度特征融合和残差图神经网络的社交机器人模型。本发明可以显著提高社交机器人的检测准确率。

主权项：1.基于多维度特征融合和残差图神经网络的社交机器人检测方法，其特征在于，包括下述步骤：基于用户社交关系数据构建由用户作为节点、用户社交关系作为边的图；基于用户属性数据、用户发布内容数据进行各维度的单特征的提取，得到基于用户属性的特征、基于用户发布内容的特征、基于时间信息的特征和基于用户活动行为的特征，将上述特征横向拼接融合得到用户在全面维度上的特征向量；依次抽取部分节点及其全面维度上的特征向量放入图神经网络模型中进行并行训练，最后将通过图表示学习并行训练出的低维稠密向量在节点级别上进行融合，形成基于每个节点特征数据以及拓扑结构的低维稠密向量；由于不同维度的特征重要性不同，在图表示学习中引入注意力机制，所述注意力机制会在训练时为不同维度的特征赋予不同的权重，避免不同维度的特征却具有相同权重的问题；采用基于残差结构的三种图神经网络模型来进行半监督学习训练，得到对类别未知用户的预测概率，三种图神经网络模型分别是ResGAT、ResGCN、ResAPPNP；此外，基于特征融合阶段构建的特征消融分析数据，分别是1u1＝[cta]：{基于用户发布内容的特征、基于时间信息的特征、基于用户活动行为的特征}、2u2＝[ita]：{基于用户属性的特征、基于时间信息的特征、基于用户活动行为的特征}、3u3＝[ica]：{基于用户属性的特征、基于用户发布内容的特征、基于用户活动行为的特征}、4u4＝[ict]：{基于用户属性的特征、基于用户发布内容的特征、基于时间信息的特征}，将这四种特征组合之后的数据进行图表示学习之后，输入至ResGAT、ResGCN、ResAPPNP三个模型中，通过模型性能的变化表征每个维度的特征对检测社交机器人的影响；在ResGAT、ResGCN、ResAPPNP这三个模型训练之后，分别得到类别未知用户的预测概率，由于每个模型学习到的特征有所不同，选择使用投票集成的策略，挖掘每个模型的优点，将三个模型的预测概率值进行加权平均，实现多模型的集成处理，得到最终的预测概率结果；使用残差图神经网络和模型集成策略，构建基于多维度特征融合和残差图神经网络的社交机器人模型。

全文数据：

权利要求：

百度查询： 广州大学 基于多维度特征融合和残差图神经网络的社交机器人检测方法及装置