[發明專利]一種基于圖注意力網絡的社交機器人識別方法

有效

• 申請號: 202010044446.X
• 申請日: 2020-01-15
• 公開（公告）號: CN111274491B
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 顏成鋼;阮定;孫垚棋;張繼勇;張勇東
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于圖注意力網絡的社交機器人識別方法，其特征在于，步驟如下：

步驟(1)、搜集社交網絡數據；

人工搜集一段時間內社交平臺上部分賬號發布的內容，以及各賬號之間的評論關系；對社交平臺上某一賬號發布的內容進行記錄，搜集該條內容下的評論賬號發布的實質性評論內容以及評論的評論；同時根據賬號所發布的內容及評論關系判斷該賬號是否為機器人；

步驟(2)、創建數據集；

對所有搜集到的賬號發布的實質性內容進行自然語言處理獲取特征h，各個賬號作為圖的頂點，賬號間的評論關系形成圖的邊，并對每個賬號都注明是否為機器人，由此形成數據集；將數據集分為兩個部分，第一部分包括賬號的ID，特征h和類別，第二部分為各賬號之間的評論關系；其中訓練集，驗證集和測試集所占比例約為6：2：2；

步驟(3)、構建圖注意力網絡

將各賬號也就是節點的特征作為輸入，輸入圖注意力算法的網絡中，其中N是節點數量；是網絡輸出；注意力系數為其中W∈R^F′×F，是權重矩陣，a為共享注意力機制：R^F′×R^F→R；為了能夠獲得結構信息，所以僅計算節點i的一階鄰域內的節點的注意力系數，即e_ij中的j∈N_i，N_i是節點i在圖中的一階鄰域；該一階鄰域由數據集第二部分構建的圖獲得；使用LeakyReLU對其非線性化，然后使用softmax進行規范化，最后得到的注意力系數為

其中，·^T代表轉置，||表示連接操作；

然后引入多頭注意力機制，得到最終輸出；

其中K為多頭注意力機制中的頭數，可根據實際情況進行選擇；σ為非線性激活函數ELU；

最后對得到的使用log_softmax函數就可得到結果；

步驟(4)、訓練圖注意力網絡

用圖注意力網絡進行訓練；按照步驟(2)所述的比例選取訓練集和驗證集；采用Adam優化器，nll損失函數；在驗證過程中將正確率最高的網絡參數保存下來；

步驟(5)、圖注意力網絡的測試

訓練完成后，將測試集輸入在步驟(4)中保存下來的網絡中即可得到測試結果，可以用來判斷社交網絡賬號是否為機器人。