論文の概要: Online User Profiling to Detect Social Bots on Twitter
- arxiv url: http://arxiv.org/abs/2203.05966v1
- Date: Wed, 9 Mar 2022 22:42:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-14 12:25:55.133628
- Title: Online User Profiling to Detect Social Bots on Twitter
- Title(参考訳): Twitterでソーシャルボットを検知するオンラインユーザープロファイリング
- Authors: Maryam Heidari, James H Jr Jones, Ozlem Uzuner
- Abstract要約: 社会ボットは、社会や世論に深刻なサイバー脅威をもたらす。
本研究の目的は、ツイートのテキストから抽出されたユーザのプロファイルに基づいて、ボットを検出する機械学習モデルを開発することである。
- 参考スコア(独自算出の注目度): 0.17188280334580194
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Social media platforms can expose influential trends in many aspects of
everyday life. However, the movements they represent can be contaminated by
disinformation. Social bots are one of the significant sources of
disinformation in social media. Social bots can pose serious cyber threats to
society and public opinion. This research aims to develop machine learning
models to detect bots based on the extracted user's profile from a Tweet's
text. Online users' profile shows the user's personal information, such as age,
gender, education, and personality. In this work, the user's profile is
constructed based on the user's online posts. This work's main contribution is
three-fold: First, we aim to improve bot detection through machine learning
models based on the user's personal information generated by the user's online
comments. When comparing two online posts, the similarity of personal
information makes it difficult to differentiate a bot from a human user.
However, this research turns personal information similarity among two online
posts into an advantage for the new bot detection model. The new proposed model
for bot detection creates user profiles based on personal information such as
age, personality, gender, education from users' online posts and introduces a
machine learning model to detect social bots with high prediction accuracy
based on personal information. Second, create a new public data set that shows
the user's profile for more than 6900 Twitter accounts in the Cresci 2017 data
set.
- Abstract(参考訳): ソーシャルメディアプラットフォームは、日常生活の多くの面で影響力のあるトレンドを露呈することができる。
しかし、それらの動きは偽情報によって汚染されることがある。
ソーシャルボットはソーシャルメディアの重要な偽情報源の1つだ。
ソーシャルボットは社会や世論に深刻なサイバー脅威をもたらす可能性がある。
本研究の目的は、ツイートのテキストから抽出されたユーザのプロファイルに基づいてボットを検出する機械学習モデルを開発することである。
オンラインユーザーのプロフィールには、年齢、性別、教育、パーソナリティなどのユーザーの個人情報が表示される。
本研究では,ユーザのオンライン投稿に基づいてユーザのプロフィールを構築する。
まず、ユーザのオンラインコメントによって生成されるユーザの個人情報に基づいて、マシンラーニングモデルによるボット検出を改善することを目的としています。
2つのオンライン投稿を比較すると、個人情報の類似性はボットと人間の区別を困難にする。
しかし、この研究は2つのオンライン投稿間の個人情報の類似性を、新しいボット検出モデルに有利にする。
提案したボット検出モデルは,年齢,性格,性別,ユーザのオンライン投稿からの教育などの個人情報に基づくユーザプロファイルを生成し,個人情報に基づく予測精度の高いソーシャルボットの検出を行う機械学習モデルを提案する。
第2に、Cresci 2017データセットに6900以上のTwitterアカウントのユーザプロファイルを表示する、新しい公開データセットを作成する。
関連論文リスト
- BotArtist: Twitter bot detection Machine Learning model based on Twitter
suspension [50.4515540006269]
われわれは、最近のロシアとウクライナの戦争に関する900万人のユーザーから生まれた、Twitter上の難解で多言語的なソーシャル談話のデータセットを集めている。
我々は最先端のXGBoostモデルを用いて,ボット検出のための新しいMLモデルを構築した。
Botometerと比較して、我々の手法は、2つの実ケースシナリオデータセットよりも平均11%高いROC-AUCスコアを達成する。
論文 参考訳(メタデータ) (2023-05-31T09:12:35Z) - Harnessing the Power of Text-image Contrastive Models for Automatic
Detection of Online Misinformation [50.46219766161111]
誤情報識別の領域における構成的学習を探求する自己学習モデルを構築した。
本モデルでは、トレーニングデータが不十分な場合、非マッチング画像-テキストペア検出の優れた性能を示す。
論文 参考訳(メタデータ) (2023-04-19T02:53:59Z) - From Online Behaviours to Images: A Novel Approach to Social Bot
Detection [0.3867363075280544]
特定のタイプの社会アカウントは、要求できないコンテンツ、過党派、宣伝的な情報を促進することが知られている。
まず、アカウントが実行するアクションのシーケンスを画像に変換する新しいアルゴリズムを提案する。
文献でよく知られた実際のアカウント/ボットアカウントデータセット上でのボット検出の最先端結果と比較する。
論文 参考訳(メタデータ) (2023-04-15T11:36:50Z) - Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。
ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
論文 参考訳(メタデータ) (2023-04-06T05:20:16Z) - BotShape: A Novel Social Bots Detection Approach via Behavioral Patterns [4.386183132284449]
実世界のデータセットに基づいて、生のイベントログから行動シーケンスを構築する。
ボットと真のユーザの違いと、ボットアカウント間の類似パターンを観察する。
本稿では,行動の順序や特徴を自動的に把握するソーシャルボット検出システムBotShapeを提案する。
論文 参考訳(メタデータ) (2023-03-17T19:03:06Z) - Machine Learning-based Automatic Annotation and Detection of COVID-19
Fake News [8.020736472947581]
新型コロナウイルス(COVID-19)は世界のあらゆる地域に影響を与えるが、感染の誤報はウイルスよりも速く移動した。
既存の作業は、拡散の触媒として働くボットの存在を無視する。
そこで本稿では,Twitterデータセット上で事実確認文をラベル付けする手法を提案する。
論文 参考訳(メタデータ) (2022-09-07T13:55:59Z) - 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) - Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia
for Human Personality Profiling [74.83957286553924]
我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。
実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
論文 参考訳(メタデータ) (2021-06-20T10:48:49Z) - Detection of Novel Social Bots by Ensembles of Specialized Classifiers [60.63582690037839]
悪意ある俳優は、社会ボットとして知られるアルゴリズムによって部分的に制御される不正なソーシャルメディアアカウントを作成し、誤情報を広め、オンラインでの議論を扇動する。
異なるタイプのボットが、異なる行動特徴によって特徴づけられることを示す。
本稿では,ボットのクラスごとに専門的な分類器を訓練し,それらの決定を最大ルールで組み合わせる,教師付き学習手法を提案する。
論文 参考訳(メタデータ) (2020-06-11T22:59:59Z) - Twitter Bot Detection Using Bidirectional Long Short-term Memory Neural
Networks and Word Embeddings [6.09170287691728]
本稿では,Twitterボットを人間アカウントと区別するために,単語埋め込みを用いたリカレントニューラルネットワークを開発した。
実験により,既存の最先端ボット検出システムと比較して,本手法が競争力を発揮することが示された。
論文 参考訳(メタデータ) (2020-02-03T17:07:03Z)
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。