基于网络表示学习的社交网络异常检测系统与方法

本发明涉及机器学习技术领域，特别是涉及基于网络表示学习的社交网络异常检测系统与方法，包括异构特征提取层、跨模态融合层、异常决策层、联合优化层和公平性模块；基于社交网络获得的文本数据，处理得到网络结构数据和语义行为数据；经异构特征提取层，通过GCN‑M模型进行结构特征提取，动态微调BERT模型提取语义特征，跨模态融合层采用双通道动态注意力机制融合结构特征和语义特征得到融合特征矩阵并送入异常决策层；异常决策层通过深度森林分类器实现异常概率输出，本发明增强了模型的特征提取能力和泛化性能，实现特征的深度融合，能够更全面地刻画用户行为模式，从而显著提高了异常检测的准确性。