[發明專利]社交機器人檢測方法、系統、存儲介質和電子設備

有效

• 申請號: 202011343555.8
• 申請日: 2020-11-26
• 公開（公告）號: CN112487176B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 周明;唐杰;劉德兵;仇瑜
• 申請（專利權）人: 北京智譜華章科技有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/36;G06Q50/00
• 代理公司: 北京動力號知識產權代理有限公司 11775
• 代理人: 梁艷

1.一種社交機器人檢測方法，其特征在于，包括：

獲取待檢測的目標賬號的好友賬號和所述好友賬號的關聯發文，所述關聯發文為提及所述目標賬號的發文；

根據所述目標賬號和好友賬號構建賬號信息矩陣，根據所述目標賬號的發文和所述好友賬號的關聯發文構建文章信息矩陣；對獲取到的目標賬號和好友賬號的信息進行向量化處理，得到賬號信息矩陣；將所述目標賬號的發文和所述好友賬號的關聯發文的信息一起進行向量化處理得到文章信息矩陣；

根據所述賬號信息矩陣和文章信息矩陣構建社交關系圖譜；

確定所述目標賬號的每篇發文的類別；

將所述目標賬號的發文、所述社交關系圖譜和所述文章信息矩陣輸入與所述發文的類別對應的分類檢測模型，得到基于所述發文的檢測結果；

根據所述目標賬號的每篇發文的檢測結果得到所述目標賬號的最終檢測結果；

所述獲取待檢測的目標賬號的好友賬號和所述好友賬號的關聯發文包括：

獲取所述目標賬號的發文中最近提及的第一數量的好友賬號；

獲取所述好友賬號最近發表的第二數量的關聯發文；

根據所述賬號信息矩陣和文章信息矩陣構建社交關系圖譜包括：

根據所述賬號信息矩陣和所述文章信息矩陣生成關聯關系矩陣，所述關聯關系矩陣表示所述好友賬號與所述目標賬號之間的關聯關系度量；

根據所述賬號信息矩陣和所述關聯關系矩陣得到所述社交關系圖譜；

按照如下方式生成所述關聯關系矩陣：

，

其中，M為好友賬號的關聯發文的篇數，為最近一篇關聯發文的時間與最早一篇關聯發文的時間的差值，表示好友賬號單位時間內的關聯發文的篇數，為目標賬號在最近發表的M篇發文中提及好友賬號的文章篇數，表示目標賬號提及好友賬號的概率，為目標賬號的M篇發文的時間間隔，為超參數。

2.根據權利要求1所述的方法，其特征在于，所述分類檢測模型包括預先訓練得到的圖注意力（GAT）模型和集成學習判決模型。

3.根據權利要求2所述的方法，其特征在于，所述將所述目標賬號的發文、所述社交關系圖譜和所述文章信息矩陣輸入與所述發文的類別對應的分類檢測模型，得到基于所述發文的檢測結果包括：

對所述社交關系圖譜中的好友賬號進行采樣；

基于文章信息矩陣，針對采樣出的好友賬號隨機選取一篇關聯發文；

將所選取的關聯發文的向量拼接到所述好友賬號的向量尾部；將所述目標賬號的發文的向量拼接到所述目標賬號的向量尾部，得到新的社交關系圖譜；

將所述新的社交關系圖譜輸入到圖注意力模型中，生成特征向量；

將所述目標賬號的發文的向量拼接到所述特征向量中，得到拼接特征向量；

將所述拼接特征向量輸入所述集成學習判決模型，得到基于所述發文的檢測結果。

4.根據權利要求3所述的方法，其特征在于，所述根據所述目標賬號的每篇發文的檢測結果得到所述目標賬號的最終檢測結果包括：

對每篇發文的檢測結果進行加權平均，得到所述目標賬號的最終檢測結果。