基于符号注意力多尺度图神经网络的社会机器人检测：频域视角
计算机视觉与模式识别
2023-07-06 v1
摘要
社交媒体上大量机器人的存在带来了负面影响。图神经网络（GNN）能够有效利用用户间的社交关系，在机器人检测中取得优异效果。近年来，越来越多基于GNN的机器人检测方法被提出。然而，现有基于GNN的机器人检测方法仅关注低频信息，很少考虑高频信息，这限制了模型的表示能力。为解决该问题，本文提出一种用于社会机器人检测的多尺度符号注意力图滤波器，称为MSGS。MSGS能够有效利用社交图中的高频和低频信息。具体而言，MSGS利用多尺度结构在不同尺度上生成表示向量，随后通过符号注意力机制对这些表示进行组合。最后，经聚合后的多尺度表示通过MLP得到最终结果。我们分析了频率响应，证明MSGS是一种更灵活且更具表达力的自适应图滤波器。MSGS能有效利用高频信息缓解深层GNN的过平滑问题。在真实数据集上的实验结果表明，与多种最先进的社会机器人检测方法相比，我们的方法取得了更优性能。
引用
@article{arxiv.2307.01968,
title = {Muti-scale Graph Neural Network with Signed-attention for Social Bot Detection: A Frequency Perspective},
author = {Shuhao Shi and Kai Qiao and Zhengyan Wang and Jie Yang and Baojie Song and Jian Chen and Bin Yan},
journal= {arXiv preprint arXiv:2307.01968},
year = {2023}
}
备注
13 pages, 10 figures