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。
生物通微信公众号
生物通新浪微博
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