LKD:基于大语言模型(LLM)的知识蒸馏技术,用于高效且可靠的社会机器人检测 叶文辉(Ye Wenhui)、 叶文熙(Ye Wenxi) 王海洲(Wang Haizhou)

《Electronics》:LKD: LLM-Assisted Knowledge Distillation for Efficient and Robust Social Bot Detection Wenhui Ye, Wenxi Ye and Haizhou Wang

【字体: 大 中 小 】 时间:2026年05月12日 来源:Electronics 2.6

编辑推荐:

   摘要 社交机器人通过操控和传播错误信息对网络公众舆论构成严重威胁,由于其高度拟人化和隐蔽性,给检测工作带来了挑战。图神经网络(GNN)方法表现优异,但由于在推理过程中依赖于多跳邻居信息,在实际应用中存在部署难题。相比之下

  

摘要

社交机器人通过操控和传播错误信息对网络公众舆论构成严重威胁,由于其高度拟人化和隐蔽性,给检测工作带来了挑战。图神经网络(GNN)方法表现优异,但由于在推理过程中依赖于多跳邻居信息,在实际应用中存在部署难题。相比之下,纯文本方法缺乏对集体行为的建模以及对高级机器人的抵御能力。本文提出了LKD,一种无需图谱即可部署的社会机器人检测框架。该框架利用大型语言模型总结历史推文,压缩长文本信息以构建包含元数据、用户信息和推文在内的多源输入。通过将GNN作为“教师”,预训练的语言模型(LM)作为“学生”,LKD通过预测分布和特征空间的双重目标知识蒸馏,将结构化知识传递给基于文本的模型。在Cresci-2015和TwiBot-20数据集上的实验表明,无需图谱的LKD-LM模式在准确性和F1分数方面优于现有技术。即使在标签稀缺和图谱稀疏的场景中,该框架也能保持稳定的性能,为接口受限或具有实时要求的社交媒体平台提供了一种高效、可靠的解决方案。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号