論文の概要: SOK: Seeing and Believing: Evaluating the Trustworthiness of Twitter
Users
- arxiv url: http://arxiv.org/abs/2107.08027v1
- Date: Fri, 16 Jul 2021 17:39:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-19 15:50:39.652620
- Title: SOK: Seeing and Believing: Evaluating the Trustworthiness of Twitter
Users
- Title(参考訳): SOK:Twitterユーザーの信頼度を評価する
- Authors: Tanveer Khan, Antonis Michalas
- Abstract要約: 現在、どのニュースやユーザーが信頼できるか、どれがそうでないかを自動で判断する方法はない。
本研究では、Twitter上で5万人の政治家の行動を分析するモデルを作成しました。
政治Twitterのユーザを、ランダムな森林、多層パーセプトロン、サポートベクターマシンを使って、信頼あるいは信頼できないと分類した。
- 参考スコア(独自算出の注目度): 4.609388510200741
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social networking and micro-blogging services, such as Twitter, play an
important role in sharing digital information. Despite the popularity and
usefulness of social media, there have been many instances where corrupted
users found ways to abuse it, as for instance, through raising or lowering
user's credibility. As a result, while social media facilitates an
unprecedented ease of access to information, it also introduces a new challenge
- that of ascertaining the credibility of shared information. Currently, there
is no automated way of determining which news or users are credible and which
are not. Hence, establishing a system that can measure the social media user's
credibility has become an issue of great importance. Assigning a credibility
score to a user has piqued the interest of not only the research community but
also most of the big players on both sides - such as Facebook, on the side of
industry, and political parties on the societal one. In this work, we created a
model which, we hope, will ultimately facilitate and support the increase of
trust in the social network communities. Our model collected data and analysed
the behaviour of~50,000 politicians on Twitter. Influence score, based on
several chosen features, was assigned to each evaluated user. Further, we
classified the political Twitter users as either trusted or untrusted using
random forest, multilayer perceptron, and support vector machine. An active
learning model was used to classify any unlabelled ambiguous records from our
dataset. Finally, to measure the performance of the proposed model, we used
precision, recall, F1 score, and accuracy as the main evaluation metrics.
- Abstract(参考訳): Twitterのようなソーシャルネットワークやマイクロブログサービスは、デジタル情報の共有において重要な役割を果たす。
ソーシャルメディアの人気と有用性にもかかわらず、腐敗したユーザーが、例えばユーザーの信頼性を高めたり下げたりすることで、それを悪用する方法を見つけた例は数多くある。
その結果、ソーシャルメディアは情報へのアクセスを前例のない容易さで促進する一方で、共有情報の信頼性を確認するという新たな課題ももたらした。
現時点では、どのニュースやユーザが信頼できるか、そうでないかを判断する自動化方法がない。
そのため、ソーシャルメディア利用者の信頼度を計測できるシステムを確立することが重要な課題となっている。
信頼度スコアをユーザーに割り当てることによって、研究コミュニティだけでなく、業界側ではFacebook、社会党側では政党など、双方の大手プレイヤーの関心を喚起している。
この研究で我々は、最終的にソーシャルネットワークコミュニティにおける信頼の高まりを促進、支援するモデルを作成しました。
我々のモデルはデータを集め、twitter上の約5万人の政治家の行動を分析した。
評価された各ユーザに対して,いくつかの特徴に基づいて影響スコアを割り当てた。
さらに,政治Twitterユーザを,ランダムな森林,多層パーセプトロン,サポートベクターマシンを用いて信頼あるいは信頼されていないと分類した。
アクティブな学習モデルを用いて,データセットから不明瞭な記録を分類した。
最後に,提案モデルの性能を評価するために,主評価指標として精度,リコール,F1スコア,精度を用いた。
関連論文リスト
- MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。
本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。
以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
論文 参考訳(メタデータ) (2024-10-13T18:16:50Z) - Easy-access online social media metrics can effectively identify misinformation sharing users [41.94295877935867]
高いツイート頻度は共有コンテンツの事実性の低さと正に関連しているのに対し、アカウント年齢はそれと負に関連していることがわかった。
以上の結果から,これらのソーシャル・ネットワークの指標を頼りにすることで,誤情報を拡散しやすいユーザを早期に識別する,低障壁なアプローチが実現する可能性が示唆された。
論文 参考訳(メタデータ) (2024-08-27T16:41:13Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳(メタデータ) (2023-10-20T06:17:02Z) - 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) - Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management [61.88858330222619]
ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。
本稿では,データ駆動型多面信頼モデルを提案する。
信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
論文 参考訳(メタデータ) (2021-11-11T19:40:51Z) - 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) - Misleading Repurposing on Twitter [3.0254442724635173]
本研究は, ミスリーディング再資源化に関する最初の, 大規模研究である。
悪意のあるユーザーは、フォロワーを維持しながらアカウントを新しい目的に利用するために、プロフィール属性の変更などを通じて、ソーシャルメディアアカウントのアイデンティティを変更する。
本稿では,インターネットアーカイブのTwitter Stream Grabから収集したデータに対する教師あり学習を用いて,再利用されたアカウントにフラグを付ける手法と行動の定義を提案する。
論文 参考訳(メタデータ) (2020-10-20T20:19:01Z) - 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) - Breaking the Communities: Characterizing community changing users using
text mining and graph machine learning on Twitter [0.0]
自然言語処理技術とグラフ機械学習アルゴリズムを用いて,Twitter上でコミュニティを壊すユーザを調査した。
我々は150万人のユーザーから900万のTwitterメッセージを収集し、リツイートネットワークを構築した。
コミュニティブレーカー」を検出するソーシャルメディアユーザ分類のための機械学習フレームワークを提案する。
論文 参考訳(メタデータ) (2020-08-24T23:44:51Z) - Sentiment Analysis on Social Media Content [0.0]
本研究の目的は,Twitterから収集した実データの感情分析を行うモデルを提案することである。
Twitterのデータは非常に非構造化されており、分析が困難である。
提案手法は,教師付き機械学習アルゴリズムと教師なし機械学習アルゴリズムの併用により,この分野の先行研究とは異なる。
論文 参考訳(メタデータ) (2020-07-04T17:03:30Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳(メタデータ) (2020-04-20T20:00:27Z)
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。