論文の概要: BotTriNet: A Unified and Efficient Embedding for Social Bots Detection
via Metric Learning
- arxiv url: http://arxiv.org/abs/2304.03144v3
- Date: Tue, 18 Apr 2023 16:47:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-19 17:08:13.035729
- Title: BotTriNet: A Unified and Efficient Embedding for Social Bots Detection
via Metric Learning
- Title(参考訳): BotTriNet:メトリック学習によるソーシャルボット検出のための統一的で効率的な埋め込み
- Authors: Jun Wu, Xuesong Ye, and Yanyuet Man
- Abstract要約: 本稿では,ボット検出にアカウントが投稿したテキストコンテンツを利用するBotTriNetという統合組込みフレームワークを提案する。
本システムは,2つのコンテンツ集約型ボットセットにおいて,98.34%,f1スコア97.99%の平均精度を達成した。
また、4つのコンテンツレスボットセットでブレークスルーを行い、平均精度は11.52%、f1スコアは16.70%向上した。
- 参考スコア(独自算出の注目度): 3.9026461169566673
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A persistently popular topic in online social networks is the rapid and
accurate discovery of bot accounts to prevent their invasion and harassment of
genuine users. We propose a unified embedding framework called BotTriNet, which
utilizes textual content posted by accounts for bot detection based on the
assumption that contexts naturally reveal account personalities and habits.
Content is abundant and valuable if the system efficiently extracts bot-related
information using embedding techniques. Beyond the general embedding framework
that generates word, sentence, and account embeddings, we design a triplet
network to tune the raw embeddings (produced by traditional natural language
processing techniques) for better classification performance. We evaluate
detection accuracy and f1score on a real-world dataset CRESCI2017, comprising
three bot account categories and five bot sample sets. Our system achieves the
highest average accuracy of 98.34% and f1score of 97.99% on two
content-intensive bot sets, outperforming previous work and becoming
state-of-the-art. It also makes a breakthrough on four content-less bot sets,
with an average accuracy improvement of 11.52% and an average f1score increase
of 16.70%.
- Abstract(参考訳): オンラインソーシャルネットワークで絶え間なく人気があるトピックは、本物のユーザーの侵入やハラスメントを防ぐボットアカウントの迅速かつ正確な発見である。
本稿では,ボット検出にアカウントが投稿したテキストコンテンツを利用して,コンテキストがアカウントの個性や習慣を自然に明らかにする,BotTriNetという統合組込みフレームワークを提案する。
組込み技術を用いてボット関連情報を効率的に抽出すれば,コンテンツは豊富で貴重なものとなる。
単語、文、およびアカウントの埋め込みを生成する一般的な埋め込みフレームワークの他に、分類性能を向上させるために生の埋め込み(従来の自然言語処理技術によって生成される)をチューニングするための三重ネットワークを設計する。
3つのボットアカウントカテゴリと5つのボットサンプルセットからなる実世界のデータセットcresci2017における検出精度とf1scoreを評価する。
このシステムは,2つのコンテンツ集約型ボットセットにおいて,98.34%,f1scoreが97.99%という最高精度を達成している。
また、4つのコンテンツレスボットセットでブレークスルーを行い、平均精度が11.52%、平均f1scoreが16.70%向上した。
関連論文リスト
- Bridging the Gap Between End-to-End and Two-Step Text Spotting [88.14552991115207]
ブリッジングテキストスポッティングは、2段階のメソッドでエラーの蓄積と最適化性能の問題を解決する新しいアプローチである。
提案手法の有効性を広範囲な実験により実証する。
論文 参考訳(メタデータ) (2024-04-06T13:14:04Z) - BotSSCL: Social Bot Detection with Self-Supervised Contrastive Learning [6.317191658158437]
自己監督型コントラスト学習(BotSSCL)を用いたソーシャルボット検出のための新しいフレームワークを提案する。
BotSSCLは対照的な学習を用いて、埋め込み空間におけるソーシャルボットと人間を区別し、線形分離性を改善する。
ボットアカウントの操作による検出回避に対するBotSSCLの堅牢性を示す。
論文 参考訳(メタデータ) (2024-02-06T06:13:13Z) - What Does the Bot Say? Opportunities and Risks of Large Language Models
in Social Media Bot Detection [51.46864805462009]
ソーシャルボット検出における大規模言語モデルの可能性とリスクについて検討する。
本稿では,多様なユーザ情報モダリティを分割し,克服するための混合異種エキスパートフレームワークを提案する。
実験により、1000の注釈付き例に対する命令チューニングは、最先端のベースラインよりも優れた特殊なLLMを生成することが示された。
論文 参考訳(メタデータ) (2024-02-01T06:21:19Z) - My Brother Helps Me: Node Injection Based Adversarial Attack on Social Bot Detection [69.99192868521564]
Twitterのようなソーシャルプラットフォームは、数多くの不正なユーザーから包囲されている。
ソーシャルネットワークの構造のため、ほとんどの手法は攻撃を受けやすいグラフニューラルネットワーク(GNN)に基づいている。
本稿では,ボット検出モデルを欺いたノードインジェクションに基づく逆攻撃手法を提案する。
論文 参考訳(メタデータ) (2023-10-11T03:09:48Z) - 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) - 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) - Fast Uncertainty Quantification for Deep Object Pose Estimation [91.09217713805337]
深層学習に基づくオブジェクトポーズ推定は、しばしば信頼できない、自信過剰である。
本研究では,6-DoFオブジェクトのポーズ推定のための,シンプルで効率的かつプラグアンドプレイなUQ手法を提案する。
論文 参考訳(メタデータ) (2020-11-16T06:51:55Z) - A ground-truth dataset and classification model for detecting bots in
GitHub issue and PR comments [70.1864008701113]
ボットはGithubリポジトリで、分散ソフトウェア開発プロセスの一部である反復的なアクティビティを自動化するために使用されている。
本稿では,5000のGithubアカウントのプルリクエストとコメント発行に関する,高い相互契約を伴う手動分析に基づいて,基幹トラスデータセットを提案する。
ボットを検出する自動分類モデルを提案し,各アカウントの空のコメント数と空でないコメント数,コメントパターンの数,コメントパターン内のコメント間の不平等を主特徴とする。
論文 参考訳(メタデータ) (2020-10-07T09:30:52Z) - Bot-Match: Social Bot Detection with Recursive Nearest Neighbors Search [9.457368716414079]
ソーシャルボットはこの10年で出現し、最初は迷惑をかけたが、最近ではジャーナリストを威圧し、選挙イベントを妨害し、既存のソーシャル・ファイジャーを悪化させた。
この社会的脅威により、ボット検出アルゴリズムが進化して、ますます高度なボットアカウントに追いつくために進化する、ボット検出アルゴリズムが誕生した。
このギャップは、研究者、ジャーナリスト、アナリストが、最先端の監視ボット検出アルゴリズムによって検出されていない悪意のあるボットアカウントを毎日特定することを意味している。
類似性に基づくアルゴリズムは、既存の教師なしおよび教師なしの手法を補完し、このギャップを埋めることができる。
論文 参考訳(メタデータ) (2020-07-15T11:48:24Z) - 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)
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。