論文の概要: Mapping the Russian Internet Troll Network on Twitter using a Predictive Model

• arxiv url: http://arxiv.org/abs/2409.08305v1
• Date: Wed, 11 Sep 2024 19:09:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-16 18:46:54.806083
• Title: Mapping the Russian Internet Troll Network on Twitter using a Predictive Model
• Title（参考訳）: 予測モデルを用いたTwitter上のロシアのインターネットトロルネットワークのマッピング
• Authors: Sachith Dassanayaka, Ori Swed, Dimitri Volchenkov,
• Abstract要約: ロシアのインターネットトロルは偽のペルソナを使って、複数のソーシャルメディアストリームを通じて偽情報を拡散している。 ネットワーク操作をマップする予測モデルを作成します。 我々のモデルは、テストセットの88%の精度で予測できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Russian Internet Trolls use fake personas to spread disinformation through multiple social media streams. Given the increased frequency of this threat across social media platforms, understanding those operations is paramount in combating their influence. Using Twitter content identified as part of the Russian influence network, we created a predictive model to map the network operations. We classify accounts type based on their authenticity function for a sub-sample of accounts by introducing logical categories and training a predictive model to identify similar behavior patterns across the network. Our model attains 88% prediction accuracy for the test set. Validation is done by comparing the similarities with the 3 million Russian troll tweets dataset. The result indicates a 90.7% similarity between the two datasets. Furthermore, we compare our model predictions on a Russian tweets dataset, and the results state that there is 90.5% correspondence between the predictions and the actual categories. The prediction and validation results suggest that our predictive model can assist with mapping the actors in such networks.
• Abstract（参考訳）: ロシアのインターネットトロルは偽のペルソナを使って、複数のソーシャルメディアストリームを通じて偽情報を拡散している。 ソーシャルメディアプラットフォームにまたがるこの脅威の頻度が高まる中、これらの活動を理解することは、彼らの影響力と戦う上で最重要である。 ロシアの影響ネットワークの一部として特定されたTwitterコンテンツを使用して、ネットワーク操作をマップする予測モデルを作成しました。 そこで我々は,各サブサンプルの信頼度関数に基づいたアカウントタイプを,論理的カテゴリを導入し,ネットワーク全体の類似行動パターンを特定するための予測モデルを訓練することにより分類する。 我々のモデルは、テストセットの88%の精度で予測できる。 検証は、ロシアのトロルツイートデータセット300万と類似点を比較して行われる。 その結果、2つのデータセット間の90.7%の類似性を示している。 さらに、ロシアのつぶやきデータセットのモデル予測を比較し、その結果、予測と実際のカテゴリの間に90.5%の対応があることが示されている。 予測および検証結果は,我々の予測モデルが,そのようなネットワーク内のアクターのマッピングを支援することを示唆している。

関連論文リスト

• Keeping it Authentic: The Social Footprint of the Trolls Network [0.0]
  2016年、ロシアの工作員によってアニメーション化されたソーシャルメディアアカウントのネットワークは、大統領選挙に関するアメリカ国民の政治的議論を分散させようとした。 我々は、正当な社会的アクターのふりをして、ネットワークは社会的期待に従わなければならないと主張している。 この社会的フットプリントの堅牢性をテストするために、人工知能を訓練してそれを特定し、予測モデルを作成します。
  論文  参考訳（メタデータ） (2024-09-12T03:02:52Z)
• Performative Prediction on Games and Mechanism Design [69.7933059664256]
  エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。 予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。 よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
  論文  参考訳（メタデータ） (2024-08-09T16:03:44Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)
• You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory Prediction [52.442129609979794]
  軌道予測のための最近の深層学習手法は有望な性能を示す。 そのようなブラックボックスモデルが実際にどのモデルを予測するために使うのかは、まだ不明である。 本稿では,モデル性能に対する異なるキューの貢献度を定量化する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-11T14:24:15Z)
• Independent Asymmetric Embedding Model for Cascade Prediction on Social Network [0.49269463638915806]
  Cascade予測は、メッセージをソーシャルネットワークに再投稿する可能性のある個人を予測することを目的としています。 カスケード予測のための社会的埋め込み学習のための独立な非対称埋め込み法を提案する。
  論文  参考訳（メタデータ） (2021-05-18T05:40:38Z)
• Predicting Adversary Lateral Movement Patterns with Deep Learning [0.0]
  本稿では, 企業ネットワークにおいて, 敵が次のキャンペーンで妥協する可能性のあるホストについて, 予測モデルを構築した。 我々は、ホスト、ユーザ、および敵をファーストクラスのエンティティとして、シミュレーションネットワークを使用して、このモデルのためのデータを生成する。
  論文  参考訳（メタデータ） (2021-04-23T16:44:31Z)
• Improving Uncertainty Calibration via Prior Augmented Data [56.88185136509654]
  ニューラルネットワークは、普遍関数近似器として機能することで、複雑なデータ分布から学習することに成功した。 彼らはしばしば予測に自信過剰であり、不正確で誤った確率的予測に繋がる。 本稿では,モデルが不当に過信である特徴空間の領域を探索し,それらの予測のエントロピーをラベルの以前の分布に対して条件的に高める手法を提案する。
  論文  参考訳（メタデータ） (2021-02-22T07:02:37Z)
• Learning from Failure: Training Debiased Classifier from Biased Classifier [76.52804102765931]
  ニューラルネットワークは、所望の知識よりも学習が簡単である場合にのみ、素早い相関に依存することを学習していることを示す。 本稿では,一対のニューラルネットワークを同時にトレーニングすることで,障害に基づくデバイアス化手法を提案する。 本手法は,合成データセットと実世界のデータセットの両方において,各種バイアスに対するネットワークのトレーニングを大幅に改善する。
  論文  参考訳（メタデータ） (2020-07-06T07:20:29Z)
• Automatic Detection of Influential Actors in Disinformation Networks [0.0]
  本稿では,偽情報物語やネットワーク,影響力あるアクターの検出を自動化するためのエンドツーエンドフレームワークを提案する。 システムは精度96%、リコール79%、PR曲線96%のIOアカウントを検出する。 結果は、米国議会の報告書、調査ジャーナリズム、Twitterが提供するIOデータセットからの、既知のIOアカウントの独立したソースと相関している。
  論文  参考訳（メタデータ） (2020-05-21T20:15:51Z)
• Going beyond accuracy: estimating homophily in social networks using predictions [5.135290600093722]
  オンラインソーシャルネットワークでは、ノードカテゴリの予測を用いてホモフィリーの測度を推定することが一般的である。 ネットワーク内のホモフィリを推定することは、ディヤド予測問題とみなすことができる。 本稿では,標準ノードおよびダイアド分類戦略より優れた「ego-alter」モデリング手法を提案する。
  論文  参考訳（メタデータ） (2020-01-30T04:37:12Z)

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。