1.一种基于超图邻域差分特征增强的社交机器人检测方法，其特征在于，包含：
2.根据权利要求1所述的基于超图邻域差分特征增强的社交机器人检测方法，其特征在于，在使用knn算法构建超边时，首先从用户特征中提取推文特征，然后计算每个节点k跳邻域内余弦相似度最大的t个节点，使用超边连接上述节点，k和t为可调参数。
3.根据权利要求2所述的基于超图邻域差分特征增强的社交机器人检测方法，其特征在于，超图定义为：其中表示节点集合，表示超边集合；超图的拓扑结构使用关联矩阵表示：
4.根据权利要求3所述的基于超图邻域差分特征增强的社交机器人检测方法，其特征在于，采用超图卷积来提取社交账户的高阶邻域特征，用公式(2)表示：
5.根据权利要求4所述的基于超图邻域差分特征增强的社交机器人检测方法，其特征在于，使用原始特征和高阶邻域特征生成不同邻域尺度的差分特征，将这些差分特征输入到图神经网络中进一步增强，包含：
6.根据权利要求5所述的基于超图邻域差分特征增强的社交机器人检测方法，其特征在于，采用自注意力机制来增强差分特征和原始特征，包含：
7.根据权利要求6所述的基于超图邻域差分特征增强的社交机器人检测方法，其特征在于，将增强后的差分特征与原始特征进行融合，融合后的特征表示如下：
8.根据权利要求7所述的基于超图邻域差分特征增强的社交机器人检测方法，其特征在于，采用损失函数来训练模型，损失函数公式如下：
9.一种基于超图邻域差分特征增强的社交机器人检测系统，其特征在于，用于实现如权利要求1至8任一项所述的基于超图邻域差分特征增强的社交机器人检测方法，包括超图构建模块、超图卷积模块、特征差分增强模块和特征融合模块，其中，