通过融合BERT和图卷积网络检测社交机器人

在线社交媒体生态系统越来越混乱，虚假信息和恶意用户的假内容不断增多，同时也给人类带来了不可言喻的痛苦。社交机器人检测使用基于人工特征提取的监督分类。然而，使用这些方法时也涉及用户隐私，并且隐藏特征信息被忽视，如低利用率的半监督算法和图特征。在这项工作中，我们对称性地结合BERT和图卷积网络（GCN），提出了一种新模型，将大规模预训练和归纳学习相结合用于社交机器人检测，BGSRD。BGSRD在数据集上构建异构图，并使用BERT表示将Twitter表示为节点。通过文本图卷积网络进行语料库学习是单一文本图，主要基于单词共现和文档单词关系构建。BERT和GCN模块可以在BGSRD中联合训练，以实现最佳效能，训练数据和未标记测试数据可以通过图卷积传播标签影响，并可在大规模原始数据的预训练和联合学习表示的归纳学习中进行。实验表明，BGSRD在广泛的社交机器人检测数据集上也可以实现更好的性能。