BotSSCL: 自监督对比学习中的社交机器人检测
原文中文，约2700字，阅读约需7分钟。发表于：。我们提出了一种基于自监督对比学习的社交机器人检测框架（BotSSCL），通过利用对比学习在嵌入空间中区分社交机器人和人类，改善了线性可分性。BotSSCL 的高级表示增强了对数据分布变化的鲁棒性并确保了泛化性能。实验证明，BotSSCL 在两个数据集上的性能较其他监督、无监督和自监督基准方法都要高，并且在不同数据集间的测试也表现出较好的泛化性能。此外，BotSSCL...
该文章介绍了一种基于自监督对比学习的社交机器人检测框架（BotSSCL），通过对比学习在嵌入空间中区分社交机器人和人类，改善了线性可分性。实验证明，BotSSCL 在两个数据集上的性能较其他监督、无监督和自监督基准方法都要高，并且在不同数据集间的测试也表现出较好的泛化性能。此外，BotSSCL 还提高了对抗复杂性，使对手在逃避检测方面的成功率只有 4%。
