본 논문은 트위터와 같은 플랫폼에서 자동 계정(봇)을 탐지하는 새로운 다중 모달 프레임워크를 제안한다. 봇의 진화하는 행동과 적응 전략으로 인해 봇 탐지는 어려운 과제이다. 기존 연구는 텍스트, 메타데이터, 사용자 관계 정보를 그래프 기반 프레임워크에 결합하여 높은 성능을 보였지만, 사용자 관계 데이터에 크게 의존하는 한계가 있었다. 본 논문은 팔로우/팔로잉 데이터 없이 텍스트 특징과 강화된 사용자 메타데이터를 통합하고, GraphSAGE 모델을 사용하여 사용자 행동의 지역적 및 전역적 패턴을 포착하는 프레임워크를 제안한다. 제안된 방법은 트윗에서 딥 시맨틱 임베딩을 추출하기 위해 트랜스포머 기반 모델(BERT)을 사용하고, 사용자 수준 표현을 형성하기 위해 최대 풀링을 통해 집계한다. 이 표현은 보조 행동 특징과 결합되어 GraphSAGE 모델에 입력된다. Cresci-15, Cresci-17, PAN 2019 데이터셋에 대한 실험 결과는 각각 99.8%, 99.1%, 96.8%의 정확도를 달성하며, 진화하는 봇 전략에 대한 효과를 입증한다.
