基于关系图变换器的异质性感知 Twitter 机器人检测

Twitter 机器人检测已成为一项重要且具有挑战性的任务，用以打击错误信息并保护在线话语的完整性。当前最优方法通常利用 Twitter 空间的拓扑结构，却忽视了用户间关系与影响的异质性。本文提出一种新颖的机器人检测框架以缓解该问题，其利用用户形成的异质图的拓扑结构并建模用户间变化的影响强度。具体而言，我们构建以用户为节点、多样化关系为边的异质信息网络。随后提出关系图变换器（relational graph transformers）来建模用户间的异质影响并学习节点表示。最后，我们使用语义注意力网络跨用户与关系聚合消息，并进行异质性感知的 Twitter 机器人检测。大量实验表明，我们的方案在综合 Twitter 机器人检测基准上优于当前最优方法。附加研究也证实了我们所提出的关系图变换器、语义注意力网络以及基于图的方法整体的有效性。