論文の概要: High-level Approaches to Detect Malicious Political Activity on Twitter
- arxiv url: http://arxiv.org/abs/2102.04293v1
- Date: Thu, 4 Feb 2021 22:54:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-09 20:02:28.065038
- Title: High-level Approaches to Detect Malicious Political Activity on Twitter
- Title（参考訳）: twitter上の悪意ある政治活動を検出するためのハイレベルアプローチ
- Authors: Miguel Sozinho Ramalho
- Abstract要約: 2020年5月、約500万のアカウントと1億2000万以上のツイートで撮影されたデータスナップショットを調査した。
分析期間は2019年8月から2020年5月までで、2019年10月6日のポルトガル総選挙に焦点が当てられている。
私たちは、Twitterのサスペンションパターンが、ポルトガルのTwitter圏で見られる政治的トロルのタイプに適していないことを知りました。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Our work represents another step into the detection and prevention of these
ever-more present political manipulation efforts. We, therefore, start by
focusing on understanding what the state-of-the-art approaches lack -- since
the problem remains, this is a fair assumption. We find concerning issues
within the current literature and follow a diverging path. Notably, by placing
emphasis on using data features that are less susceptible to malicious
manipulation and also on looking for high-level approaches that avoid a
granularity level that is biased towards easy-to-spot and low impact cases.
We designed and implemented a framework -- Twitter Watch -- that performs
structured Twitter data collection, applying it to the Portuguese
Twittersphere. We investigate a data snapshot taken on May 2020, with around 5
million accounts and over 120 million tweets (this value has since increased to
over 175 million). The analyzed time period stretches from August 2019 to May
2020, with a focus on the Portuguese elections of October 6th, 2019. However,
the Covid-19 pandemic showed itself in our data, and we also delve into how it
affected typical Twitter behavior.
We performed three main approaches: content-oriented, metadata-oriented, and
network interaction-oriented. We learn that Twitter's suspension patterns are
not adequate to the type of political trolling found in the Portuguese
Twittersphere -- identified by this work and by an independent peer - nor to
fake news posting accounts. We also surmised that the different types of
malicious accounts we independently gathered are very similar both in terms of
content and interaction, through two distinct analysis, and are simultaneously
very distinct from regular accounts.
- Abstract（参考訳）: 我々の研究は、現在まで続く政治的操作活動の検出と防止の新たなステップを表している。
それゆえ、私たちは最先端のアプローチに何が欠けているのかを理解することに集中し始めます。
我々は,現在の文献の問題点を考察し,分岐する道をたどる。
特に、悪意のある操作の影響を受けにくいデータ機能の使用に重点を置くこと、また、容易でインパクトの少ないケースに偏った粒度レベルを避けるための高レベルのアプローチにも注目すること。
私たちは、構造化されたTwitterデータ収集を実行するフレームワーク -- Twitter Watch -- を設計、実装し、ポルトガルのTwitter圏に適用しました。
2020年5月、約500万アカウントと1億2000万ツイートというデータスナップショットを調査した(この値はその後1億7500万件に増加した)。
分析期間は2019年8月から2020年5月までで、2019年10月6日のポルトガル総選挙に焦点が当てられている。
しかし、Covid-19のパンデミックは私たちのデータに現れ、Twitterの典型的な行動にどう影響するかも調べました。
コンテンツ指向、メタデータ指向、ネットワークインタラクション指向の3つの主要なアプローチを実施しました。
twitterのサスペンションパターンは、ポルトガルのtwitter界で見られる政治的トロール(この仕事と独立した仲間によって特定される)や、偽ニュース投稿アカウントには適していないことが分かりました。
また、個別に集めた異なる種類の悪意のあるアカウントは、2つの異なる分析を通してコンテンツと相互作用の両面で非常によく似ており、同時に通常のアカウントと非常に異なると推測した。
関連論文リスト
- On the Use of Proxies in Political Ad Targeting [49.61009579554272]
我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。
本研究は政治広告の規制に関する議論に重要な意味を持つ。
論文 参考訳（メタデータ） (2024-10-18T17:15:13Z) - 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) - Design and analysis of tweet-based election models for the 2021 Mexican
legislative election [55.41644538483948]
選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。
地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
論文 参考訳（メタデータ） (2023-01-02T12:40:05Z) - Twitter's Agenda-Setting Role: A Study of Twitter Strategy for Political
Diversion [2.129609835555137]
この研究は、ドナルド・トランプのTwitterキャンペーンが、アジェンダセットを誘導し、政治的リスクを逸脱させる効果を検証した。
2020年1月1日から12月31日まで、Twitterプラットフォーム上でトランプが投稿したツイートをすべて収集した。
実証分析によると、Twitterの戦略は、新型コロナウイルスの感染拡大の際の否定的なコビッドウイルスの報告から大衆の注意を逸らすのに使われている。
論文 参考訳（メタデータ） (2022-12-16T11:34:49Z) - How Many Tweets DoWe Need?: Efficient Mining of Short-Term Polarized
Topics on Twitter: A Case Study From Japan [0.0]
そこで本研究では,Twitter上の偏光トピックを短時間,すなわち12時間で識別する手法を開発した。
また、ランダムに収集したつぶやきを用いて偏極レベルを推定する機械学習手法を用いた予測手法を開発した。
私たちの研究は、低リソースのツイートでトピックの偏極レベルを予測する最初のものです。
論文 参考訳（メタデータ） (2022-11-29T15:41:30Z) - Predicting Hate Intensity of Twitter Conversation Threads [26.190359413890537]
DRAGNET++は、将来、ツイートが返信チェーンを通じてもたらす憎悪の強さを予測することを目的としている。
ツイートスレッドのセマンティックな構造と伝播構造を利用して、続く各ツイートにおけるヘイトインテンシティの低下につながるコンテキスト情報を最大化する。
DRAGNET++は最先端のすべてのベースラインを大幅に上回ることを示す。
論文 参考訳（メタデータ） (2022-06-16T18:51:36Z) - Tweets2Stance: Users stance detection exploiting Zero-Shot Learning
Algorithms on Tweets [0.06372261626436675]
この研究の目的は、TwitterのパーティアカウントがTwitterで書いたことを悪用する各声明に関して、党pのスタンスを予測することである。
複数の実験から得られた結果から、Tweets2Stanceは、タスクの複雑さを考慮して、一般的な最小値である1.13の姿勢を正確に予測できることがわかった。
論文 参考訳（メタデータ） (2022-04-22T14:00:11Z) - Manipulating Twitter Through Deletions [64.33261764633504]
Twitter上でのインフルエンスキャンペーンの研究は、公開APIを通じて得られたツイートから悪意のあるアクティビティを識別することに大きく依存している。
ここでは,1100万以上のアカウントによる10億以上の削除を含む,異常な削除パターンを網羅的かつ大規模に分析する。
少数のアカウントが毎日大量のツイートを削除していることがわかった。
まず、ツイートのボリューム制限が回避され、特定のアカウントが毎日2600万以上のツイートをネットワークに流すことができる。
第二に、調整されたアカウントのネットワークは、繰り返しのいいね!や、最終的に削除されるコンテンツとは違って、ランキングアルゴリズムを操作できる。
論文 参考訳（メタデータ） (2022-03-25T20:07:08Z) - A deep dive into the consistently toxic 1% of Twitter [9.669275987983447]
この調査は、112万のTwitterプロフィールから14年間のツイートと2億2300万以上のツイートをカバーしている。
有害なコンテンツの一貫性の観点から最も極端なプロファイルを選択し、彼らのツイートテキストと、彼らが共有したドメイン、ハッシュタグ、URLを調べました。
その結果、これらのプロファイルはハッシュタグ、URL、ドメインの多様性の低い狭いテーマに保たれており、数学的に互いに似ており、ボットのような振る舞いの可能性が高いことがわかった。
論文 参考訳（メタデータ） (2022-02-16T04:21:48Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - 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)
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。