多模态融合检测虚假账号研究

2026年10月20日，arXiv Artificial Intelligence 刊出 Jean Claude Hirwa 等作者的论文，研究多模态学习结合研究引导特征集成能否提升虚假账号检测效果。研究在 TwiBot-22 基准的 30,000 名用户子样本上，融合文本（XLM-RoBERTa）、视觉（CLIP）嵌入与账号元数据，用 CatBoost 和 R-GCN 评估多种模态组合。结果显示，仅元数据即具高预测性，多模态融合带来的提升有限且大多统计不显著；图模型在本研究子采样图条件下不如经典模型。该报道为目前唯一来源，尚无跟进报道或相互矛盾的数字与说法。

AI 根据报道生成 · 37 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。