社交媒体机器人的研究现状、挑战与展望

被引：9

作者：

周钰颖 ^{[1
]}

闵勇 ^{[1
,2
]}

江婷君 ^{[1
]}

吴晔 ^{[3
]}

金小刚 ^{[4
]}

蔡和 ^{[5
]}

机构：

[1] 浙江工业大学计算机科学与技术学院

[2] 浙江工业大学网络空间安全研究院

[3] 北京师范大学新闻传播学院

[4] 浙江大学计算机科学与技术学院

[5] 浙江省经济信息中心

来源：

小型微型计算机系统 | 2022年 / 43卷 / 10期

关键词：

社交网络分析; 人工智能算法; 信息传播; 计算社会学; 实验方法;

D O I：

10.20009/j.cnki.21-1106/TP.2021-0192

中图分类号：

G206 [传播理论]; TP242 [机器人]; TP18 [人工智能理论];

学科分类号：

050302 ; 1111 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

随着大数据、云计算和深度学习技术的发展，信息传播又进入了“人机共生”的智能时代.近年来，大量国内外研究证明社交媒体机器人已经成为影响和干预网络信息传播的重要因素，并对社会稳定和国家安全产生深远影响.因此，对社交媒体机器人的研究逐步成为计算机和信息科学以及互联网产业的热点之一.据此，本文全面地综述了关于社交媒体机器人的相关研究，包括：社交媒体机器人的定义、影响机制、识别算法以及科技伦理困境等，并对社交媒体机器人未来的创新研究趋势进行了讨论和展望.

引用

页码：2113 / 2121

页数：9

共 43 条

[1] 基于用户特征提取的新浪微博异常用户检测方法 [J].

袁得嵛 ;

章逸钒 ;

高见 ;

孙海春 .

计算机科学, 2020, 47(S1) (S1) :364-368+385

[2] 结合新概念分解和频繁词集的短文本聚类 [J].

贾瑞玉 ;

陈胜发 .

小型微型计算机系统, 2020, 41 (06) :1321-1326

[3] 集群机器人研究综述 [J].

王伟嘉 ;

郑雅婷 ;

林国政 ;

张亮 ;

韩战钢 .

机器人, 2020, 42 (02) :232-256

[4] 多语言文本情绪分析模型MF-CSEL [J].

徐源音 ;

柴玉梅 ;

王黎明 ;

刘箴 .

小型微型计算机系统, 2019, 40 (05) :1026-1033

[5] 基于贝叶斯模型的微博网络水军识别算法研究 [J].

张艳梅 ;

黄莹莹 ;

甘世杰 ;

丁熠 ;

马志龙 .

通信学报 , 2017, (01) :44-53

[6] 基于关系图特征的微博水军发现方法 [J].

程晓涛 ;

刘彩霞 ;

刘树新 .

自动化学报, 2015, 41 (09) :1533-1541

[7]

A novel framework for detecting social bots with deep neural networks and active learning[J] . Wu Yuhao,Fang Yuzhou,Shang Shuaikang,Jin Jing,Wei Lai,Wang Haizhou.Knowledge-Based Systems . 2021 (prep)

[8] Leveraging node neighborhoods and egograph topology for better bot detection in social graphs [J].