Key points are not available for this paper at this time.
요약 트위터 봇 탐지는 중요하고 의미 있는 작업입니다. 기존 방법은 진짜 사용자로 위장하여 탐지를 피하는 최신 봇에 의해 우회될 수 있습니다. 이러한 방법은 또한 커뮤니티 수준에서 봇을 탐지하는 데 가장 중요한 특징인 사용자 클러스터링 경향을 활용하지 못합니다. 또한 탐지에 중요한 단서를 포함하는 사용자 간의 암묵적인 관계를 간과합니다. 게다가, 그래프 기반 방법에 필수적인 사용자 관계 그래프는 데이터셋의 노이즈와 불완전성으로 인해 신뢰할 수 없을 수 있습니다. 이러한 문제를 해결하기 위해 그래프 구조 학습을 통해 봇 탐지 프레임워크가 제안됩니다. 이 프레임워크는 사용자와 그들의 관계로 구성된 이질적인 그래프를 구성하고, 사용자 의도를 특징짓기 위해 여러 특성을 추출하며, 메트릭 학습을 사용해 특성 유사성 그래프를 구축합니다. 암묵적인 관계가 발견되어 암묵적 관계 그래프를 도출합니다. 또한, 사용자 간의 관계 의미를 집계하여 의미론적 관계 그래프가 생성됩니다. 이 그래프들은 결합되어 부분적으로 알려진 사용자 레이블로 훈련하기 위해 그래프 변환기에 포함됩니다. 이 프레임워크는 세 개의 실제 벤치마크에서 91.92%의 평균 탐지 정확도를 보여주었으며, 최신 방법들을 능가하면서 각 모듈의 효과와 필요성을 입증했습니다.
Wei et al. (Sat,)는 이 문제를 연구했습니다.
Synapse has enriched 3 closely related papers on similar clinical questions. Consider them for comparative context: