論文の概要: LGB: Language Model and Graph Neural Network-Driven Social Bot Detection
- arxiv url: http://arxiv.org/abs/2406.08762v1
- Date: Thu, 13 Jun 2024 02:47:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-14 21:38:10.865647
- Title: LGB: Language Model and Graph Neural Network-Driven Social Bot Detection
- Title（参考訳）: LGB:言語モデルとグラフニューラルネットワーク駆動型ソーシャルボット検出
- Authors: Ming Zhou, Dan Zhang, Yuandong Wang, Yangli-ao Geng, Yuxiao Dong, Jie Tang,
- Abstract要約: 悪意のあるソーシャルボットは、誤った情報を広め、社会的世論を喚起することで、悪意ある目的を達成する。
言語モデル (LM) とグラフニューラルネットワーク (GNN) の2つの主要コンポーネントから構成される新しいソーシャルボット検出フレームワーク LGB を提案する。
2つの実世界のデータセットの実験では、LGBは最先端のベースラインモデルよりも最大10.95%向上している。
- 参考スコア（独自算出の注目度）: 43.92522451274129
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Malicious social bots achieve their malicious purposes by spreading misinformation and inciting social public opinion, seriously endangering social security, making their detection a critical concern. Recently, graph-based bot detection methods have achieved state-of-the-art (SOTA) performance. However, our research finds many isolated and poorly linked nodes in social networks, as shown in Fig.1, which graph-based methods cannot effectively detect. To address this problem, our research focuses on effectively utilizing node semantics and network structure to jointly detect sparsely linked nodes. Given the excellent performance of language models (LMs) in natural language understanding (NLU), we propose a novel social bot detection framework LGB, which consists of two main components: language model (LM) and graph neural network (GNN). Specifically, the social account information is first extracted into unified user textual sequences, which is then used to perform supervised fine-tuning (SFT) of the language model to improve its ability to understand social account semantics. Next, the semantically enriched node representation is fed into the pre-trained GNN to further enhance the node representation by aggregating information from neighbors. Finally, LGB fuses the information from both modalities to improve the detection performance of sparsely linked nodes. Extensive experiments on two real-world datasets demonstrate that LGB consistently outperforms state-of-the-art baseline models by up to 10.95%. LGB is already online: https://botdetection.aminer.cn/robotmain.
- Abstract（参考訳）: 悪意のあるソーシャルボットは、誤った情報を広め、社会的世論を喚起し、社会の安全を脅かすことによって悪意ある目的を達成する。
近年,グラフに基づくボット検出手法がSOTA(State-of-the-art)の性能を達成している。
しかし、図1に示すように、ソーシャルネットワークではグラフベースの手法では効果的に検出できない孤立ノードや疎結合ノードが多数存在する。
そこで本研究では,ノードのセマンティクスとネットワーク構造を効果的に活用して,疎結合ノードを共同検出することに焦点を当てた。
自然言語理解(NLU)における言語モデル(LM)の優れた性能を考慮し、言語モデル(LM)とグラフニューラルネットワーク(GNN)の2つの主要コンポーネントからなる新しいソーシャルボット検出フレームワークLGBを提案する。
具体的には、ソーシャルアカウント情報は、まず統合されたユーザテキストシーケンスに抽出され、その後、ソーシャルアカウントセマンティクスを理解する能力を向上させるために、言語モデルの教師付き微調整(SFT)を実行するために使用される。
次に、セマンティックに強化されたノード表現を事前訓練されたGNNに入力し、隣人からの情報を集約することでノード表現をさらに強化する。
最後に、LGBは両モードからの情報を融合し、疎結合ノードの検出性能を向上させる。
2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、LGBは最先端のベースラインモデルよりも最大10.95%向上していることが示された。
LGBはすでにオンライン化されている: https://botdetection.aminer.cn/robotmain。
関連論文リスト
- SeBot: Structural Entropy Guided Multi-View Contrastive Learning for Social Bot Detection [34.68635583099056]
マルチビューグラフに基づくコントラスト学習型ソーシャルボット検出器SEBotを提案する。
特に、構造エントロピーを不確実性計量として使用して、グラフ全体の構造を最適化する。
そして、ホモフィリーな仮定を超えたメッセージパッシングを可能にするエンコーダを設計する。
論文 参考訳（メタデータ） (2024-05-18T08:16:11Z) - Multitask Active Learning for Graph Anomaly Detection [48.690169078479116]
MultItask acTIve Graph Anomaly Detection framework,すなわちMITIGATEを提案する。
ノード分類タスクを結合することにより、MITIGATEは既知の異常を伴わずに配布外ノードを検出する能力を得る。
4つのデータセットに関する実証的研究は、MITIGATEが異常検出のための最先端の手法を著しく上回っていることを示している。
論文 参考訳（メタデータ） (2024-01-24T03:43:45Z) - Hierarchical and Incremental Structural Entropy Minimization for
Unsupervised Social Event Detection [61.87480191351659]
グラフニューラルネットワーク(GNN)ベースの手法は、自然言語の意味論と複雑なソーシャルネットワーク構造情報の融合を可能にする。
本稿では,グラフ構造エントロピー(SE)最小化による社会事象の検出について述べる。
GNNベースの手法の利点を維持しながら、提案するフレームワークであるHISEventは、より有益なメッセージグラフを構築している。
論文 参考訳（メタデータ） (2023-12-19T06:28:32Z) - Muti-scale Graph Neural Network with Signed-attention for Social Bot
Detection: A Frequency Perspective [10.089319405788277]
ソーシャルメディアに大量のボットが存在することは、悪影響を及ぼす。
グラフニューラルネットワーク(GNN)は、ユーザ間の社会的関係を効果的に活用し、ボットの検出において優れた結果を得ることができる。
本稿では,MSGSと呼ばれるソーシャルボット検出のためのマルチスケール署名付きグラフフィルタを提案する。
論文 参考訳（メタデータ） (2023-07-05T00:40:19Z) - Over-Sampling Strategy in Feature Space for Graphs based
Class-imbalanced Bot Detection [10.882979272768502]
オンラインソーシャルネットワーク(OSN)の多くのボットは、望ましくない社会的影響をもたらす。
本稿では,少数クラスのサンプルをエッジ合成なしで生成するGNNのオーバーサンプリング戦略を提案する。
このフレームワークは3つの実世界のボット検出ベンチマークデータセットを用いて評価される。
論文 参考訳（メタデータ） (2023-02-14T08:35:33Z) - Evidential Temporal-aware Graph-based Social Event Detection via
Dempster-Shafer Theory [76.4580340399321]
ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。
ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。
ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
論文 参考訳（メタデータ） (2022-05-24T16:22:40Z) - Higher-Order Attribute-Enhancing Heterogeneous Graph Neural Networks [67.25782890241496]
異種ネットワーク表現学習のための高次属性強化グラフニューラルネットワーク(HAEGNN)を提案する。
HAEGNNは、リッチで異質なセマンティクスのためのメタパスとメタグラフを同時に組み込む。
ノード分類、ノードクラスタリング、可視化における最先端の手法よりも優れたパフォーマンスを示す。
論文 参考訳（メタデータ） (2021-04-16T04:56:38Z) - Node2Seq: Towards Trainable Convolutions in Graph Neural Networks [59.378148590027735]
今回提案するグラフネットワーク層であるNode2Seqは,隣接ノードの重みを明示的に調整可能なノード埋め込みを学習する。
対象ノードに対して,当手法は注意メカニズムを介して隣接ノードをソートし,さらに1D畳み込みニューラルネットワーク(CNN)を用いて情報集約のための明示的な重み付けを行う。
また, 特徴学習のための非局所的情報を, 注意スコアに基づいて適応的に組み込むことを提案する。
論文 参考訳（メタデータ） (2021-01-06T03:05:37Z) - Graph Neighborhood Attentive Pooling [0.5493410630077189]
ネットワーク表現学習(NRL)は,高次元およびスパースグラフの低次元ベクトル表現を学習するための強力な手法である。
本稿では,ノード近傍の異なる部分への入場を注意型プールネットワークを用いて学習するGAPと呼ばれる新しい文脈依存アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-28T15:05:48Z)
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。