論文の概要: On mission Twitter Profiles: A Study of Selective Toxic Behavior
- arxiv url: http://arxiv.org/abs/2401.14252v1
- Date: Thu, 25 Jan 2024 15:42:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-26 14:06:22.288815
- Title: On mission Twitter Profiles: A Study of Selective Toxic Behavior
- Title（参考訳）: ミッションTwitterプロフィールについて:選択的毒性行動の研究
- Authors: Hina Qayyum, Muhammad Ikram, Benjamin Zi Hao Zhao, an D. Wood, Nicolas
Kourtellis, Mohamed Ali Kaafar
- Abstract要約: 本研究は「オンミッションプロファイル」と呼ばれる影響操作に使用される可能性のあるプロファイルを特徴付けることを目的とする。
128万件のTwitterやX、プロフィール、293万件のツイートの時系列データは、テーマの多様性に基づいたプロファイリングを可能にする。
- 参考スコア（独自算出の注目度）: 5.0157204307764625
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The argument for persistent social media influence campaigns, often funded by
malicious entities, is gaining traction. These entities utilize instrumented
profiles to disseminate divisive content and disinformation, shaping public
perception. Despite ample evidence of these instrumented profiles, few
identification methods exist to locate them in the wild. To evade detection and
appear genuine, small clusters of instrumented profiles engage in unrelated
discussions, diverting attention from their true goals. This strategic thematic
diversity conceals their selective polarity towards certain topics and fosters
public trust.
This study aims to characterize profiles potentially used for influence
operations, termed 'on-mission profiles,' relying solely on thematic content
diversity within unlabeled data. Distinguishing this work is its focus on
content volume and toxicity towards specific themes. Longitudinal data from
138K Twitter or X, profiles and 293M tweets enables profiling based on theme
diversity. High thematic diversity groups predominantly produce toxic content
concerning specific themes, like politics, health, and news classifying them as
'on-mission' profiles.
Using the identified ``on-mission" profiles, we design a classifier for
unseen, unlabeled data. Employing a linear SVM model, we train and test it on
an 80/20% split of the most diverse profiles. The classifier achieves a
flawless 100% accuracy, facilitating the discovery of previously unknown
``on-mission" profiles in the wild.
- Abstract（参考訳）: しばしば悪意ある団体から資金提供された、永続的なソーシャルメディア影響キャンペーンの議論は、勢いを増している。
これらのエンティティは、計測されたプロファイルを使用して、分割されたコンテンツと偽情報を広め、大衆の認識を形作る。
これらの計器式プロファイルの証拠は豊富だが、野生で発見するための識別方法はほとんどない。
検出を回避し、真に見せるために、計測されたプロファイルの小さなクラスタが無関係な議論を行い、真の目標から注意を逸らす。
この戦略的テーマの多様性は、特定のトピックに対する選択的な極性を隠蔽し、公共の信頼を育む。
本研究は「オンミッションプロファイル」と呼ばれる影響操作に使用される可能性のあるプロファイルの特徴付けを目的とした。
この作品の廃止は、内容の量と特定のテーマに対する毒性に焦点を当てている。
138kのtwitterまたはxから得られた縦断データ、プロファイル、および293mのツイートは、テーマの多様性に基づいたプロファイリングを可能にする。
高いテーマの多様性グループは、主に政治、健康、ニュースなどの特定のテーマに関する有害なコンテンツを「オンミッション」プロファイルとして分類する。
識別された `on-mission" プロファイルを使用して、未確認のラベル付きデータの分類器を設計する。線形SVMモデルを用いることで、最も多様なプロファイルの 80/20% の分割でそれをトレーニングし、テストする。分類器は欠陥のない100%の精度を達成し、これまで知られていなかった 'on-mission" プロファイルの発見を容易にする。
関連論文リスト
- On the Use of Proxies in Political Ad Targeting [49.61009579554272]
我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。
本研究は政治広告の規制に関する議論に重要な意味を持つ。
論文 参考訳（メタデータ） (2024-10-18T17:15:13Z) - Prompt-based Personality Profiling: Reinforcement Learning for Relevance Filtering [8.20929362102942]
著者プロファイルは、共有するコンテンツを分析して個人の特徴を推測するタスクである。
本稿では,関係のないコンテンツと関係のないコンテンツとを区別することを目的とした著者プロファイリング手法を提案し,それに続いて,関連データのみを用いて実際のユーザプロファイリングを行う。
2つのTwitterコーパスにおける5つの人格特性予測手法の評価を行った。
論文 参考訳（メタデータ） (2024-09-06T08:43:10Z) - The Anatomy of Conspirators: Unveiling Traits using a Comprehensive
Twitter Dataset [0.0]
本稿では,2022年を通して共謀活動に従事しているアカウントを包含するTwitterデータセットを構築するための新しい手法を提案する。
この包括的な収集作業により、合計15万のアカウントと3700万のツイートがタイムラインから抽出された。
トピック,プロファイル,行動特性の3次元にわたる2つのグループの比較分析を行った。
論文 参考訳（メタデータ） (2023-08-29T09:35:23Z) - The Looming Threat of Fake and LLM-generated LinkedIn Profiles:
Challenges and Opportunities for Detection and Prevention [0.8808993671472349]
本稿では,LinkedIn Online Social Networkにおいて,偽および大規模言語モデル(LLM)生成プロファイルを検出する新しい手法を提案する。
提案手法は,すべての単語の埋め込みにおいて,正当性と偽のプロファイルを約95%の精度で識別できることを示す。
論文 参考訳（メタデータ） (2023-07-21T19:09:24Z) - Rumor Detection with Self-supervised Learning on Texts and Social Graph [101.94546286960642]
異種情報ソース上での自己教師型学習を対照的に提案し,それらの関係を明らかにするとともに,噂をよりよく特徴付ける。
我々はこの枠組みをSRD(Self-supervised Rumor Detection)と呼ぶ。
3つの実世界のデータセットに対する大規模な実験により、ソーシャルメディア上での噂の自動検出におけるSRDの有効性が検証された。
論文 参考訳（メタデータ） (2022-04-19T12:10:03Z) - A deep dive into the consistently toxic 1% of Twitter [9.669275987983447]
この調査は、112万のTwitterプロフィールから14年間のツイートと2億2300万以上のツイートをカバーしている。
有害なコンテンツの一貫性の観点から最も極端なプロファイルを選択し、彼らのツイートテキストと、彼らが共有したドメイン、ハッシュタグ、URLを調べました。
その結果、これらのプロファイルはハッシュタグ、URL、ドメインの多様性の低い狭いテーマに保たれており、数学的に互いに似ており、ボットのような振る舞いの可能性が高いことがわかった。
論文 参考訳（メタデータ） (2022-02-16T04:21:48Z) - Decision Making with Differential Privacy under a Fairness Lens [65.16089054531395]
アメリカ国勢調査局は、多くの重要な意思決定プロセスの入力として使用される個人のグループに関するデータセットと統計を公表している。
プライバシと機密性要件に従うために、これらの機関は、しばしば、プライバシを保存するバージョンのデータを公開する必要がある。
本稿では,差分的プライベートデータセットのリリースについて検討し,公平性の観点から重要な資源配分タスクに与える影響を考察する。
論文 参考訳（メタデータ） (2021-05-16T21:04:19Z) - Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
現在の顔認識(FR)モデルには、人口統計バイアスが存在する。
さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。
真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。
本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
論文 参考訳（メタデータ） (2021-03-16T15:05:49Z) - 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) - Keystroke Biometrics in Response to Fake News Propagation in a Global
Pandemic [77.79066811371978]
本研究では,キーストロークバイオメトリックスを用いたコンテンツ匿名化手法の提案と解析を行う。
フェイクニュースは、特に主要なイベントにおいて、世論を操作する強力なツールとなっている。
論文 参考訳（メタデータ） (2020-05-15T17:56:11Z)
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。