A pesquisa sobre a detecção de bots sociais desempenha um papel crucial na manutenção da ordem e confiabilidade da disseminação de informações, além de aumentar a confiança nas interações sociais. Os modelos atuais de detecção de bots sociais dependem de tecnologia de redes neurais de caixa-preta, como Redes Neurais Gráficas, Transformadores, etc., que carecem de interpretabilidade. Neste trabalho, apresentamos o UnDBot, um novo framework não supervisionado, interpretável, porém eficaz e prático para a detecção de bots sociais. Este framework é construído com base na teoria da informação estrutural. Começamos projetando três métricas de relacionamento social que capturam vários aspectos dos comportamentos de bots sociais: Distribuição do Tipo de Postagem, Influência da Postagem e Relação Seguidor-para-Seguido. Três novos relacionamentos são utilizados para construir um novo gráfico multi-relacional social unificado e ponderado, com o objetivo de modelar a relevância dos comportamentos dos usuários sociais e descobrir correlações de longa distância entre usuários. Em seguida, introduzimos um novo método para otimizar a entropia estrutural heterogênea. Este método envolve a agregação personalizada de informações de arestas do gráfico multi-relacional social para gerar uma árvore de codificação bidimensional. A entropia estrutural heterogênea facilita a decodificação da estrutura substancial da rede de bots sociais e permite a formação de agrupamentos hierárquicos de bots sociais. Por fim, um novo método de rotulagem de comunidade é apresentado para distinguir comunidades de bots sociais, computando a distribuição estacionária do usuário, medindo as contribuições do usuário para a estrutura da rede e contando a intensidade da agregação de usuários dentro da comunidade. Comparado a dez abordagens representativas de detecção de bots sociais, experimentos abrangentes demonstram as vantagens de eficácia e interpretabilidade do UnDBot em quatro conjuntos de dados de redes sociais reais.
Peng et al. (Sun,) estudaram esta questão.