[发明专利]社交机器人检测方法、系统、存储介质和电子设备

权利要求书

1.一种社交机器人检测方法，其特征在于，包括：

获取待检测的目标账号的好友账号和所述好友账号的关联发文，所述关联发文为提及所述目标账号的发文；

根据所述目标账号和好友账号构建账号信息矩阵，根据所述目标账号的发文和所述好友账号的关联发文构建文章信息矩阵；对获取到的目标账号和好友账号的信息进行向量化处理，得到账号信息矩阵；将所述目标账号的发文和所述好友账号的关联发文的信息一起进行向量化处理得到文章信息矩阵；

根据所述账号信息矩阵和文章信息矩阵构建社交关系图谱；

确定所述目标账号的每篇发文的类别；

将所述目标账号的发文、所述社交关系图谱和所述文章信息矩阵输入与所述发文的类别对应的分类检测模型，得到基于所述发文的检测结果；

根据所述目标账号的每篇发文的检测结果得到所述目标账号的最终检测结果；

所述获取待检测的目标账号的好友账号和所述好友账号的关联发文包括：

获取所述目标账号的发文中最近提及的第一数量的好友账号；

获取所述好友账号最近发表的第二数量的关联发文；

根据所述账号信息矩阵和文章信息矩阵构建社交关系图谱包括：

根据所述账号信息矩阵和所述文章信息矩阵生成关联关系矩阵，所述关联关系矩阵表示所述好友账号与所述目标账号之间的关联关系度量；

根据所述账号信息矩阵和所述关联关系矩阵得到所述社交关系图谱；

按照如下方式生成所述关联关系矩阵：

，

其中，M为好友账号的关联发文的篇数，为最近一篇关联发文的时间与最早一篇关联发文的时间的差值，表示好友账号单位时间内的关联发文的篇数，为目标账号在最近发表的M篇发文中提及好友账号的文章篇数，表示目标账号提及好友账号的概率，为目标账号的M篇发文的时间间隔，为超参数。

2.根据权利要求1所述的方法，其特征在于，所述分类检测模型包括预先训练得到的图注意力（GAT）模型和集成学习判决模型。

3.根据权利要求2所述的方法，其特征在于，所述将所述目标账号的发文、所述社交关系图谱和所述文章信息矩阵输入与所述发文的类别对应的分类检测模型，得到基于所述发文的检测结果包括：

对所述社交关系图谱中的好友账号进行采样；

基于文章信息矩阵，针对采样出的好友账号随机选取一篇关联发文；

将所选取的关联发文的向量拼接到所述好友账号的向量尾部；将所述目标账号的发文的向量拼接到所述目标账号的向量尾部，得到新的社交关系图谱；

将所述新的社交关系图谱输入到图注意力模型中，生成特征向量；

将所述目标账号的发文的向量拼接到所述特征向量中，得到拼接特征向量；

将所述拼接特征向量输入所述集成学习判决模型，得到基于所述发文的检测结果。

4.根据权利要求3所述的方法，其特征在于，所述根据所述目标账号的每篇发文的检测结果得到所述目标账号的最终检测结果包括：

对每篇发文的检测结果进行加权平均，得到所述目标账号的最终检测结果。