强化多视图多模态网络的社交媒体机器人检测

来源：计算机工程与应用杂志2026年第2期北京时间：

作者：高鑫, 徐树维, 张敬芸, 唐志伟

单位：河南大学 软件学院，河南 开封 475000；

摘要：社交媒体机器人的快速增长虽然促进了信息传播，但也带来了隐私泄露和虚假信息传播等问题。因此，开发更加有效的机器人检测方法至关重要。提出了一种新颖的基于多头注意力机制和多视图集成分类的检测模型BotAttVCDN。该模型通过结合多模态数据，学习不同视图在标签空间中的重要性和相关性，有效捕捉多模态数据之间的关系，以提高分类性能。在Cresci-2015、TwiBot-20和TwiBot-22数据集上的实验结果表明，BotAttVCDN在分类准确率和F1-score方面均优于现有的13个基线模型，包括BotMOE和BotRGCN等，此外，通过结合注意力机制权重分配热图和SHAP分析，验证了BotAttVCDN模型不仅有效提升了社交媒体机器人检测的准确度和F1-socre，还显著增强了可解释性，使得决策过程更加透明和易于理解。这表明，该模型在应对多样化和复杂化的社交媒体机器人检测任务中具有较高的竞争力和优越性。

关键词：社交媒体机器人,BotAttVCDN模型,多模态数据,多头注意力机制,多视图集成,SHAP分析,可解释性