論文の概要: How Impersonators Exploit Instagram to Generate Fake Engagement?
- arxiv url: http://arxiv.org/abs/2002.07173v1
- Date: Mon, 17 Feb 2020 14:53:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-31 12:36:00.127982
- Title: How Impersonators Exploit Instagram to Generate Fake Engagement?
- Title（参考訳）: Instagramでフェイクエンゲージメントを発生させる方法は?
- Authors: Koosha Zarei, Reza Farahbakhsh, Noel Crespi
- Abstract要約: 本研究では、Instagram上でのアクティブなエンゲージメントとパッシブエンゲージメントの観点から、インタラクテーターのエンゲージメントに焦点を当てた。
我々は4.8Kのコメントを収集し、2.6Kは7ヶ月の間に3.8Kの偽造者から作られた566の投稿にまたがっている。
私たちの研究は、この興味深い現象に光を当て、Instagram内でのインタラクテーターの関与をよりよく理解するのに役立つ驚くべき観察を提供してくれました。
- 参考スコア（独自算出の注目度）: 1.9336815376402716
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Impersonators on Online Social Networks such as Instagram are playing an
important role in the propagation of the content. These entities are the type
of nefarious fake accounts that intend to disguise a legitimate account by
making similar profiles. In addition to having impersonated profiles, we
observed a considerable engagement from these entities to the published posts
of verified accounts. Toward that end, we concentrate on the engagement of
impersonators in terms of active and passive engagements which is studied in
three major communities including ``Politician'', ``News agency'', and ``Sports
star'' on Instagram. Inside each community, four verified accounts have been
selected. Based on the implemented approach in our previous studies, we have
collected 4.8K comments, and 2.6K likes across 566 posts created from 3.8K
impersonators during 7 months. Our study shed light into this interesting
phenomena and provides a surprising observation that can help us to understand
better how impersonators engaging themselves inside Instagram in terms of
writing Comments and leaving Likes.
- Abstract（参考訳）: Instagramのようなオンラインソーシャルネットワークの人物は、コンテンツの伝播に重要な役割を果たしている。
これらのエンティティは、正当なアカウントを偽装しようとする悪質な偽アカウントの一種である。
個人化されたプロフィールを持つことに加えて、認証されたアカウントの公開ポストに対するこれらのエンティティからのかなりの関与も観察した。
この目的に向けて,instagram 上で "politician' , "news agency' , "sports star'' の3つの主要なコミュニティで研究されている,活動的および受動的関与の観点で偽装者の関与に焦点を当てた。
各コミュニティ内では4つの認証アカウントが選択されている。
これまでの研究で実施されたアプローチに基づいて、我々は7ヶ月の間に3.8Kインタラクタから作成された566の投稿に4.8Kのコメントと2.6Kのいいね!
私たちの研究は、この興味深い現象に光を当て、コメントを書いたり、いいね!を去るという観点で、インタラクテーターがInstagram内でどのように関与しているかをよりよく理解するのに役立ちます。
関連論文リスト
- Anatomy of an AI-powered malicious social botnet [6.147741269183294]
本稿では,ChatGPTを用いて人間的なコンテンツを生成するTwitterボットネットについて述べる。
1,140のアカウントを識別し,手動のアノテーションで検証する。
ChatGPTが生成したコンテンツは不審なウェブサイトを促進し、有害なコメントを広める。
論文 参考訳（メタデータ） (2023-07-30T23:06:06Z) - Russo-Ukrainian War: Prediction and explanation of Twitter suspension [47.61306219245444]
本研究は、Twitterのサスペンション機構と、これにつながる可能性のあるユーザアカウントの共有コンテンツと機能の分析に焦点を当てる。
Twitter APIを使って、980万人のユーザーから生まれた107.7万のツイートを含むデータセットを入手しました。
この結果から、Bitcoin詐欺、スパム、広告キャンペーンに対するロシアとウクライナの紛争に関するトレンドを生かした詐欺キャンペーンが明らかになった。
論文 参考訳（メタデータ） (2023-06-06T08:41:02Z) - Analyzing Norm Violations in Live-Stream Chat [49.120561596550395]
本研究は,ライブストリーミングプラットフォーム上での会話における規範違反を検出することを目的とした,最初のNLP研究である。
ライブストリームチャットにおける標準違反カテゴリを定義し、Twitchから4,583のコメントを注釈付けします。
以上の結果から,適切なコンテキスト情報がモデレーション性能を35%向上させる可能性が示唆された。
論文 参考訳（メタデータ） (2023-05-18T05:58:27Z) - Trust and Believe -- Should We? Evaluating the Trustworthiness of
Twitter Users [5.695742189917657]
ソーシャルメディア上のフェイクニュースは、個人と社会の両方に悪影響を及ぼす大きな問題である。
この作業において、私たちは、ソーシャルネットワークコミュニティに信頼を喚起するソリューションを提供したいと考えている。
本モデルでは,Twitter上で5万人の政治家の行動を分析し,評価されたユーザ毎に影響スコアを割り当てる。
論文 参考訳（メタデータ） (2022-10-27T06:57:19Z) - Detecting fake accounts through Generative Adversarial Network in online
social media [0.0]
本稿では,ユーザ類似度尺度とGANアルゴリズムを用いて,Twitterデータセット内の偽ユーザアカウントを識別する手法を提案する。
問題の複雑さにもかかわらず、この方法は偽アカウントの分類と検出において80%のAUCレートを達成する。
論文 参考訳（メタデータ） (2022-10-25T10:20:27Z) - Who Shares Fake News? Uncovering Insights from Social Media Users' Post Histories [0.0]
本稿では,ソーシャルメディア利用者の投稿履歴が,偽ニュース共有の研究にあまり使われていないことを提案する。
偽ニュースの共有者を識別し、最も偽ニュースを共有する可能性が最も高いものを予測し、介入を構築するための有望な構成物を特定する。
論文 参考訳（メタデータ） (2022-03-20T14:26:20Z) - Uncovering the Dark Side of Telegram: Fakes, Clones, Scams, and
Conspiracy Movements [67.39353554498636]
我々は35,382の異なるチャンネルと130,000,000以上のメッセージを収集して,Telegramの大規模解析を行う。
カードなどのダークウェブのプライバシー保護サービスにも、悪名高い活動がいくつかある。
疑似チャネルを86%の精度で識別できる機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-26T14:53:31Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - Identity Signals in Emoji Do not Influence Perception of Factual Truth
on Twitter [90.14874935843544]
以前の研究によると、Twitterユーザーは人種的・民族的アイデンティティを表現するために、自己表現の行為としてスキントーン絵文字を使っている。
この信号が、その信号を含む投稿の内容に対する読者の認識に影響を及ぼすかどうかを検証する。
絵文字もプロフィール写真も、読者がこれらの事実をどう評価するかに影響を与えていない。
論文 参考訳（メタデータ） (2021-05-07T10:56:19Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。