BotMoE：基于社区感知的模态特定专家混合的推特机器人检测
社会与信息网络
2023-04-26 v2
摘要
推特机器人检测已成为打击网络虚假信息、缓解选举干预和遏制恶意宣传的关键任务。然而，高级推特机器人常试图通过特征操控模仿真实用户特征，并伪装以融入多样化用户社区，给现有推特机器人检测模型带来挑战。为此，我们提出 BotMoE，一种联合利用多种用户信息模态（元数据、文本内容、网络结构）以改进欺骗性机器人检测的推特机器人检测框架。此外，BotMoE 引入社区感知的专家混合（MoE）层以提升域泛化能力并适应不同推特社区。具体而言，BotMoE 为元数据特征、文本内容和图结构构建模态特定编码器，从三个模态特定视角联合建模推特用户。我们随后采用社区感知 MoE 层自动将用户分配至不同社区并利用相应专家网络。最后，来自元数据、文本和图视角的用户表示通过专家融合层融合，在结合全部三种模态的同时度量用户信息的一致性。大量实验表明，BotMoE 在三个推特机器人检测基准上显著推进了最先进水平。研究还证实 BotMoE 能捕获高级且规避性强的机器人，减轻对训练数据的依赖，并更好地泛化至新的及先前未见过的用户社区。
引用
@article{arxiv.2304.06280,
title = {BotMoE: Twitter Bot Detection with Community-Aware Mixtures of Modal-Specific Experts},
author = {Yuhan Liu and Zhaoxuan Tan and Heng Wang and Shangbin Feng and Qinghua Zheng and Minnan Luo},
journal= {arXiv preprint arXiv:2304.06280},
year = {2023}
}
备注
Accepted at SIGIR 2023