論文の概要: Manipulating Twitter Through Deletions

• arxiv url: http://arxiv.org/abs/2203.13893v1
• Date: Fri, 25 Mar 2022 20:07:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 15:51:22.836594
• Title: Manipulating Twitter Through Deletions
• Title（参考訳）: Twitterの削除操作
• Authors: Christopher Torres-Lugo, Manita Pote, Alexander Nwala, Filippo Menczer
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 64.33261764633504
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Research into influence campaigns on Twitter has mostly relied on identifying malicious activities from tweets obtained via public APIs. These APIs provide access to public tweets that have not been deleted. However, bad actors can delete content strategically to manipulate the system. Unfortunately, estimates based on publicly available Twitter data underestimate the true deletion volume. Here, we provide the first exhaustive, large-scale analysis of anomalous deletion patterns involving more than a billion deletions by over 11 million accounts. We find that a small fraction of accounts delete a large number of tweets daily. We also uncover two abusive behaviors that exploit deletions. First, limits on tweet volume are circumvented, allowing certain accounts to flood the network with over 26 thousand daily tweets. Second, coordinated networks of accounts engage in repetitive likes and unlikes of content that is eventually deleted, which can manipulate ranking algorithms. These kinds of abuse can be exploited to amplify content and inflate popularity, while evading detection. Our study provides platforms and researchers with new methods for identifying social media abuse.
• Abstract（参考訳）: twitter上のインフルエンサー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活動を識別することに依存している。 これらのAPIは、削除されていない公開ツイートへのアクセスを提供する。 しかし、悪役はコンテンツを戦略的に削除してシステムを操作できる。 残念ながら、Twitterの公開データに基づく推定は、真の削除量を過小評価している。 ここでは、10億以上の削除を含む異常な削除パターンを1100万以上のアカウントで徹底的に大規模に分析します。 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。 また、削除を悪用する2つの虐待行動も発見しました。 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2に、調整されたアカウントのネットワークは、繰り返しのlikeに関わり、最終的に削除されるコンテンツと異なり、ランキングアルゴリズムを操作できる。 この種の悪用は、検出を回避しながら、コンテンツの増幅と人気の増大に利用することができる。 本研究は,ソーシャルメディアの悪用を識別するための新しい手法をプラットフォームと研究者に提供する。

関連論文リスト

• 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)
• Detecting and Reasoning of Deleted Tweets before they are Posted [5.300190188468289]
  削除されたツイート、特にアラビアの文脈内で識別し、それに対応するきめ細かい偽情報カテゴリにラベル付けします。 次に、削除されるツイートの可能性を予測できるモデルを開発します。
  論文  参考訳（メタデータ） (2023-05-05T08:25:07Z)
• LAMBRETTA: Learning to Rank for Twitter Soft Moderation [11.319938541673578]
  LAMBRETTAは、ソフトモデレーションの候補となるツイートを自動的に識別するシステムである。 私たちは、LAMBRETTAをTwitterのデータ上で実行し、2020年の米大統領選に関する虚偽の主張を穏健にしています。 ツイート数はTwitterの20倍以上で、偽陽性は3.93%、偽陰性は18.81%だった。
  論文  参考訳（メタデータ） (2022-12-12T14:41:46Z)
• Twitter Dataset on the Russo-Ukrainian War [68.713984286035]
  Twitter APIから現在進行中のデータセットの取得を開始しています。 データセットは770万人のユーザーを起源とする5730万ツイートに達している。 我々は、最初のボリュームと感情分析を適用し、データセットはトピック分析、ヘイトスピーチ、プロパガンダ認識、ボットネットのような潜在的な悪意のあるエンティティを示すためにさらに探索的な調査に使用することができる。
  論文  参考訳（メタデータ） (2022-04-07T12:33:06Z)
• 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)
• BotSpot: Deep Learning Classification of Bot Accounts within Twitter [2.099922236065961]
  Twitterのオープン化機能により、プログラムはTwitter APIを通じてTwitterアカウントを自動生成および制御できる。 ボットとして知られるこれらのアカウントは、ツイート、リツイート、フォロー、フォロー解除、他のアカウントへのダイレクトメッセージなどのアクションを自動的に実行する。 我々は,多層パーセプトロンニューラルネットワークとボットアカウントの9つの特徴を備えた,ディープラーニングを用いた新しいボット検出手法を提案する。
  論文  参考訳（メタデータ） (2021-09-08T15:17:10Z)
• Retweet communities reveal the main sources of hate speech [0.6999740786886536]
  高度なディープラーニングを導入し,高品質なヘイトスピーチ分類モデルを構築した。 リツイートネットワークを作成し、コミュニティを検出し、時間を通してその進化を監視します。 ヘイトスピーチは、政治的、イデオロギー的な問題に関連する攻撃的なツイートによって支配されている。 受け入れがたいツイートの約60%は、中程度のサイズの1つの右翼コミュニティによって生成される。
  論文  参考訳（メタデータ） (2021-05-31T11:43:19Z)
• A Dataset of State-Censored Tweets [3.0254442724635173]
  2012年から2020年7月までに検閲された155,715人のツイート583,437件のデータセットをリリースしました。 また、検閲された4,301のアカウントもリリースしました。 我々のデータセットは政府の検閲の研究に役立つだけでなく、ヘイトスピーチの検出やソーシャルメディアユーザーに対する検閲の効果の研究にも役立ちます。
  論文  参考訳（メタデータ） (2021-01-15T00:18:27Z)
• Writer Identification Using Microblogging Texts for Social Media Forensics [53.180678723280145]
  私たちは、文学的分析に広く使われている人気のあるスタイル的特徴と、URL、ハッシュタグ、返信、引用などの特定のTwitter機能を評価します。 我々は、様々なサイズの著者集合と、著者毎のトレーニング/テストテキストの量をテストする。
  論文  参考訳（メタデータ） (2020-07-31T00:23:18Z)
• Privacy-Aware Recommender Systems Challenge on Twitter's Home Timeline [47.434392695347924]
  ACM RecSysが主催するRecSys 2020 Challengeは、このデータセットを使用してTwitterと提携している。 本稿では,ユーザエンゲージメントを予測しようとする研究者や専門家が直面する課題について述べる。
  論文  参考訳（メタデータ） (2020-04-28T23:54:33Z)

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。