识别社交网络中的机器人账户，可以保护社交网络运营商及其用户免受各种恶意活动的侵害。现有的基于网络结构的社交机器人识别方法，忽略了真实网络多数是节点或连边性质具有差异的异质网络，无法充分利用不同类型节点或连边的拓扑结构信息，使得在识别社交机器人时存在一定的局限性。基于模体理论融合节点标签信息，提出一种基于异质模体特征的社交机器人识别方法，提取更加细节的局部信息来区分人类用户和机器人用户。所提方法与BotRGCN方法相比，在ACC、Precision、Recall和F1这4个指标上均有所提升，其中ACC指标提高了17.3%,Precision指标提高了23.3%，同时相较于对比方法，在面对标签噪声时展现出更强的鲁棒性。该识别方法可以更精确地识别社交机器人，从而有效防止恶意机器人对社交网络平台进行攻击、传播虚假信息或进行欺诈行为。