Detección de bots en Twitter consciente de la heterogeneidad con transformadores de grafos relacionales

La detección de bots en Twitter se ha convertido en una tarea importante y desafiante para combatir la desinformación y proteger la integridad del discurso en línea. Los enfoques de vanguardia generalmente aprovechan la estructura topológica de la Twittersfera, mientras que descuidan la heterogeneidad de las relaciones e influencias entre los usuarios. En este artículo, proponemos un nuevo marco de detección de bots para aliviar este problema, que aprovecha la estructura topológica de grafos heterogéneos formados por los usuarios y modela la intensidad de influencia variable entre los usuarios. Específicamente, construimos una red de información heterogénea con usuarios como nodos y relaciones diversificadas como bordes. Luego, proponemos transformadores de grafos relacionales para modelar la influencia heterogénea entre los usuarios y aprender representaciones de nodos. Finalmente, utilizamos redes de atención semántica para agregar mensajes entre usuarios y relaciones y realizar una detección de bots en Twitter consciente de la heterogeneidad. Experimentaciones extensas demuestran que nuestra propuesta supera a los métodos de vanguardia en un benchmark completo de detección de bots en Twitter. Estudios adicionales también confirmaron la efectividad de nuestros transformadores de grafos relacionales propuestos, redes de atención semántica y el enfoque basado en grafos en general.