論文の概要: Detecting Suspicious Commenter Mob Behaviors on YouTube Using Graph2Vec
- arxiv url: http://arxiv.org/abs/2311.05791v1
- Date: Thu, 9 Nov 2023 23:49:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-13 16:22:41.348779
- Title: Detecting Suspicious Commenter Mob Behaviors on YouTube Using Graph2Vec
- Title（参考訳）: Graph2Vecを用いたYouTube上の疑わしいコメントモブ行動の検出
- Authors: Shadi Shajari, Mustafa Alassad, Nitin Agarwal
- Abstract要約: 本稿では,YouTubeチャンネル間の不審なコメントモブ様の挙動を検出するための,ソーシャルネットワーク分析に基づく手法を提案する。
本手法は,このような行動のレベルに基づいてチャネルを特徴付けることを目的としており,それらにまたがるコモンパターンを同定する。
分析の結果,疑わしいコメント者の行動の頻度に光を当てた。
- 参考スコア（独自算出の注目度）: 1.1371889042789218
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: YouTube, a widely popular online platform, has transformed the dynamics of
con-tent consumption and interaction for users worldwide. With its extensive
range of content crea-tors and viewers, YouTube serves as a hub for video
sharing, entertainment, and information dissemination. However, the exponential
growth of users and their active engagement on the platform has raised concerns
regarding suspicious commenter behaviors, particularly in the com-ment section.
This paper presents a social network analysis-based methodology for detecting
suspicious commenter mob-like behaviors among YouTube channels and the
similarities therein. The method aims to characterize channels based on the
level of such behavior and identify com-mon patterns across them. To evaluate
the effectiveness of the proposed model, we conducted an analysis of 20 YouTube
channels, consisting of 7,782 videos, 294,199 commenters, and 596,982 comments.
These channels were specifically selected for propagating false views about the
U.S. Military. The analysis revealed significant similarities among the
channels, shedding light on the prevalence of suspicious commenter behavior. By
understanding these similarities, we contribute to a better understanding of
the dynamics of suspicious behavior on YouTube channels, which can inform
strategies for addressing and mitigating such behavior.
- Abstract（参考訳）: 広く普及しているオンラインプラットフォームであるYouTubeは、世界中のユーザーのコンテンツ消費と対話のダイナミクスを変革した。
幅広いコンテンツクリエイティビティと視聴者を抱え、youtubeはビデオ共有、エンタテイメント、情報拡散のハブとして機能している。
しかし、ユーザーの指数関数的な成長とプラットフォームへのアクティブな関与は、特にcom-mentセクションにおいて、疑わしいコメント者の行動に関する懸念を引き起こした。
本稿では,YouTubeチャンネル間の不審なコメントモブ様の挙動とその類似性を検出するためのソーシャルネットワーク分析手法を提案する。
本手法は,このような行動のレベルに基づいてチャネルを特徴付けることを目的としている。
提案手法の有効性を評価するために,7,782ビデオ,294,199コメント,596,982コメントからなる20チャンネルの分析を行った。
これらのチャンネルは特にアメリカ軍に関する誤った見解を広めるために選ばれた。
分析の結果,チャネル間に有意な類似性が認められ,疑わしいコメント者の行動がみられた。
これらの類似性を理解することで、YouTubeチャンネルにおける疑わしい行動のダイナミクスをより深く理解し、そのような行動に対処し緩和するための戦略を知ることができる。
関連論文リスト
- The Monetisation of Toxicity: Analysing YouTube Content Creators and Controversy-Driven Engagement [1.3108652488669736]
本稿では, 論争, 毒性, 収益化の関連性に着目し, 論争を巻き起こす内容の定量的分析を行う。
16,349本の動画と1億5500万以上のコメントを含む、Redditの議論から抽出された20の議論のあるYouTubeチャンネルからなるキュレートされたデータセットを紹介します。
我々は、ビデオ記述からアフィリエイトマーケティングや直接販売を含む様々なモデルに収益化の手がかりを特定し、分類する。
以上の結果から,有毒なコメントは高いエンゲージメントと相関するが,収益化に悪影響を及ぼすことが明らかとなった。
論文 参考訳（メタデータ） (2024-08-01T13:10:35Z) - Measuring Strategization in Recommendation: Users Adapt Their Behavior to Shape Future Content [66.71102704873185]
実験と調査を行うことで,ユーザストラテジゼーションの試行を行う。
参加者の居住時間や「いいね!」の使用など,結果指標間での戦略化の強い証拠を見出す。
この結果から,プラットフォームはアルゴリズムがユーザの行動に与える影響を無視できないことが示唆された。
論文 参考訳（メタデータ） (2024-05-09T07:36:08Z) - Tube2Vec: Social and Semantic Embeddings of YouTube Channels [11.321096553990824]
ソーシャル共有行動、ビデオメタデータ、YouTubeのビデオレコメンデーションをキャプチャする埋め込みを作成します。
クラウドソーシングと既存のデータセットを用いて,これらの埋め込みを評価する。
われわれは、将来の研究の利益のために、44,000のYouTubeチャンネルのソーシャルおよびセマンティック次元をキャプチャーする埋め込みを共有している。
論文 参考訳（メタデータ） (2023-06-29T20:43:57Z) - Analyzing Norm Violations in Live-Stream Chat [49.120561596550395]
本研究は,ライブストリーミングプラットフォーム上での会話における規範違反を検出することを目的とした,最初のNLP研究である。
ライブストリームチャットにおける標準違反カテゴリを定義し、Twitchから4,583のコメントを注釈付けします。
以上の結果から,適切なコンテキスト情報がモデレーション性能を35%向上させる可能性が示唆された。
論文 参考訳（メタデータ） (2023-05-18T05:58:27Z) - Uncovering the Dark Side of Telegram: Fakes, Clones, Scams, and
Conspiracy Movements [67.39353554498636]
我々は35,382の異なるチャンネルと130,000,000以上のメッセージを収集して,Telegramの大規模解析を行う。
カードなどのダークウェブのプライバシー保護サービスにも、悪名高い活動がいくつかある。
疑似チャネルを86%の精度で識別できる機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-26T14:53:31Z) - Classifying YouTube Comments Based on Sentiment and Type of Sentence [0.0]
我々は、よく知られた統計測度と機械学習モデルを用いて、YouTubeコメントからのテキスト抽出と分類の課題に対処する。
その結果,従来の手法を取り入れた手法が,コンテンツ制作者のチャンネルにおける視聴者エンゲージメント向上に有効であることを示す。
論文 参考訳（メタデータ） (2021-10-31T18:08:10Z) - 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) - Unboxing Engagement in YouTube Influencer Videos: An Attention-Based Approach [0.3686808512438362]
モデルが捉えた関係に関する洞察を提供する「解釈可能なディープラーニングフレームワーク」を開発します。
印刷広告における視覚的注意に触発された解釈手法は,映像特徴に対するモデル注意の尺度を用いる。
当社のフレームワークをYouTubeインフルエンサービデオに適用し、動画機能を浅いエンゲージメントと深いエンゲージメントの尺度にリンクする。
論文 参考訳（メタデータ） (2020-12-22T19:32:52Z) - Understanding YouTube Communities via Subscription-based Channel
Embeddings [0.0]
本稿では,YouTubeチャンネルの発見と分類を行う新しい手法を提案する。
これらの手法は、コメントの公開購読ページを活用する自己教師付き学習アプローチを使用する。
異なる政治コンテンツへのトラフィック量を分析するために、新しいデータセットを作成します。
論文 参考訳（メタデータ） (2020-10-19T22:00:04Z) - Information Consumption and Social Response in a Segregated Environment:
the Case of Gab [74.5095691235917]
この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。
疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。
本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
論文 参考訳（メタデータ） (2020-06-03T11:34:25Z) - Mi YouTube es Su YouTube? Analyzing the Cultures using YouTube
Thumbnails of Popular Videos [98.87558262467257]
本研究では,YouTubeのトレンド動画のサムネイルを用いて,各国の文化選好について検討した。
実験の結果、類似文化のユーザーはYouTubeで同様のビデオを見ることに興味を持っていることがわかった。
論文 参考訳（メタデータ） (2020-01-27T20:15:57Z)
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。