面向社交网络多模态风险检测的自适应图卷积与语义引导注意力机制
机器学习
2025-09-23 v1
摘要
本文聚焦于以创新性多模态方式检测社交媒体用户潜在的危险倾向。我们将自然语言处理 (NLP) 与图神经网络 (GNN) 相结合。首先，对用户生成的文本应用 NLP 进行语义分析、情感识别和关键词提取，以从社交媒体帖子中捕获细微风险信号。同时，我们基于社交互动构建异构用户关系图，并提出一种新颖的关系图卷积网络来建模用户关系、注意力关系和内容扩散路径，以发现重要的结构信息和用户行为。最后，将这两种模型提取的文本特征与图结构信息相结合，提供了一种更稳健、更有效的方法来发现高危用户。我们在来自不同平台的真实社交媒体数据集上进行实验，结果表明该模型在单一模态方法上实现了显著提升。
引用
@article{arxiv.2509.16936,
title = {Adaptive Graph Convolution and Semantic-Guided Attention for Multimodal Risk Detection in Social Networks},
author = {Cuiqianhe Du and Chia-En Chiang and Tianyi Huang and Zikun Cui},
journal= {arXiv preprint arXiv:2509.16936},
year = {2025}
}