[发明专利]一种社交媒体机器人群体快速检测方法

权利要求书

1.一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，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；所述基本信息包括年龄、性别、所属行业和居住地；

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。

2.根据权利要求1所述的社交媒体机器人群体快速检测方法，其特征在于，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。

3.根据权利要求2所述的社交媒体机器人群体快速检测方法，其特征在于，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。

4.根据权利要求2所述的社交媒体机器人群体快速检测方法，其特征在于，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；

将所述个体社交账户的内容信息分别送入已经完成微调的sentence_bert模型，得到各个文本内容的语义向量；

利用池化层将各个文本内容的语义向量进行池化融合，得到与单个语义向量维度不变的综合语义向量，并以此作为用户文本特征向量。

5.根据权利要求2所述的社交媒体机器人群体快速检测方法，其特征在于，所述第四向量转化特征工程为构建的共同好友占比量公式，如下：

Co_friend表示共同好友占比量，w表示两个个体社交账户的共同好友，n表示个体社交账户一的好友，P表示个体社交账户二的好友。

6.根据权利要求1所述的社交媒体机器人群体快速检测方法，其特征在于，步骤二中所述通过机器学习模型检测出社交机器人的方法为：

根据监督学习的方法，对个体社交账号进行打标，标记出典型机器人账号和部分正常账号；

将标记出的典型机器人账号和部分正常账号的基本属性特征向量、行为特征向量和文本特征向量，按照1：1比例组成训练样本，并利用训练样本训练机器学习模型；

利用训练完成后的机器学习模型检测出个体社交机器人。