論文の概要: What is a Social Media Bot? A Global Comparison of Bot and Human Characteristics
- arxiv url: http://arxiv.org/abs/2501.00855v1
- Date: Wed, 01 Jan 2025 14:45:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-05 17:17:07.394644
- Title: What is a Social Media Bot? A Global Comparison of Bot and Human Characteristics
- Title（参考訳）: ソーシャルメディアボットとは何か? : ボットと人間特性のグローバル比較
- Authors: Lynnette Hui Xian Ng, Kathleen M. Carley,
- Abstract要約: ボットは、人間が対話理解を必要とするキューを使う間、簡単に自動化できる言語的手がかりを使用する傾向がある。
これらの結論は、7つのイベントにわたる200ミルユーザーにわたるソーシャルメディアのツイートの大規模な分析に基づいている。
- 参考スコア（独自算出の注目度）: 5.494111035517598
- License:
- Abstract: Chatter on social media is 20% bots and 80% humans. Chatter by bots and humans is consistently different: bots tend to use linguistic cues that can be easily automated while humans use cues that require dialogue understanding. Bots use words that match the identities they choose to present, while humans may send messages that are not related to the identities they present. Bots and humans differ in their communication structure: sampled bots have a star interaction structure, while sampled humans have a hierarchical structure. These conclusions are based on a large-scale analysis of social media tweets across ~200mil users across 7 events. Social media bots took the world by storm when social-cybersecurity researchers realized that social media users not only consisted of humans but also of artificial agents called bots. These bots wreck havoc online by spreading disinformation and manipulating narratives. Most research on bots are based on special-purposed definitions, mostly predicated on the event studied. This article first begins by asking, "What is a bot?", and we study the underlying principles of how bots are different from humans. We develop a first-principle definition of a social media bot. With this definition as a premise, we systematically compare characteristics between bots and humans across global events, and reflect on how the software-programmed bot is an Artificial Intelligent algorithm, and its potential for evolution as technology advances. Based on our results, we provide recommendations for the use and regulation of bots. Finally, we discuss open challenges and future directions: Detect, to systematically identify these automated and potentially evolving bots; Differentiate, to evaluate the goodness of the bot in terms of their content postings and relationship interactions; Disrupt, to moderate the impact of malicious bots.
- Abstract（参考訳）: ソーシャルメディアのカオスは20%のボットと80%の人間である。
ボットと人間によるチャタリングは一貫して異なる。ボットは、人間が対話の理解を必要とするキューを使う間、簡単に自動化できる言語的手がかりを使用する傾向がある。
ボットは、提示するIDにマッチする単語を使用し、人間は提示するIDに関係のないメッセージを送信することができる。
ボットと人間は通信構造が異なる: サンプリングされたボットは星間相互作用構造を持ち、サンプルされた人間は階層構造を持つ。
これらの結論は、7つのイベントの約200ミルのユーザーを対象に、ソーシャルメディアのツイートを大規模に分析した結果に基づいている。
ソーシャルメディアのボットは、ソーシャルメディアのユーザーが人間だけでなく、ボットと呼ばれる人工エージェントで構成されていることに気づいたとき、大騒ぎとなった。
これらのボットは、偽情報を広めたり、物語を操作することによって、ネット上のハボックを破滅させる。
ボットに関するほとんどの研究は、研究された事象を前提とした特別な目的の定義に基づいている。
本稿ではまず,「ボットとは何か?」という質問から始まり,ロボットが人間とどう違うのかという基本原理について考察する。
我々はソーシャルメディアボットの第一原理的定義を開発する。
この定義を前提として、我々は、グローバルイベント全体にわたるボットと人間の特徴を体系的に比較し、ソフトウェアプログラムされたボットが人工知能アルゴリズムである方法とその技術の進歩に伴う進化の可能性について考察する。
結果に基づき,ボットの使用と規制について推奨する。
最後に、オープンな課題と今後の方向性について議論する。これらの自動化され、潜在的に進化しているボットを体系的に識別すること、コンテンツ投稿と関係の相互作用の観点からボットの良さを評価すること、悪意のあるボットの影響を緩やかにするDisrupt。
関連論文リスト
- Sleeper Social Bots: a new generation of AI disinformation bots are already a political threat [0.0]
Sleeper Socialbots」は、偽情報を広め、世論を操るために作られたAI駆動のソーシャルボットである。
予備的な発見は、これらのボットが人間のユーザーとして説得力を持って通過し、会話に積極的に参加し、偽情報を効果的に広めることができることを示唆している。
私たちの研究の意味は、2024年の米国大統領選挙以降でソーシャルボットがもたらす重大な課題を示している。
論文 参考訳（メタデータ） (2024-08-07T19:57:10Z) - Spot the bot: Coarse-Grained Partition of Semantic Paths for Bots and
Humans [55.2480439325792]
本稿では,人書きテキストとボット生成テキストのセマンティックパスの粗粒度分割構造の比較に焦点をあてる。
意味構造が言語によって異なる可能性があるため、ロシア語、英語、ドイツ語、ベトナム語を調査する。
論文 参考訳（メタデータ） (2024-02-27T10:38:37Z) - User-Like Bots for Cognitive Automation: A Survey [4.075971633195745]
誇大広告にもかかわらず、人間のユーザーのような認知能力を持つボットはまだ存在しない。
運用するデジタルプラットフォームに対する状況認識は欠如している。
我々は、認知アーキテクチャがインテリジェントなソフトウェアボットの作成にどのように貢献するかについて議論する。
論文 参考訳（メタデータ） (2023-11-20T20:16:24Z) - Bot or Human? Detecting ChatGPT Imposters with A Single Question [29.231261118782925]
大規模言語モデル(LLM)は、最近、自然言語の理解と生成において印象的な能力を示した。
不正行為やサービス拒否攻撃など、悪意のある目的のために悪用される可能性があるという懸念がある。
単一問合せと応答による大規模言語モデル認証をオンラインで検出するFLAIRというフレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-10T19:09:24Z) - You are a Bot! -- Studying the Development of Bot Accusations on Twitter [1.7626250599622473]
地上の真実データがないと、研究者たちは群衆の知恵を取り入れたいかもしれない。
本研究は,Twitter上でのボットの告発に関する大規模な研究である。
この言葉は、ソーシャルメディアの会話において、ボットという用語が非人間化の道具になったことを示している。
論文 参考訳（メタデータ） (2023-02-01T16:09:11Z) - Neural Generation Meets Real People: Building a Social, Informative
Open-Domain Dialogue Agent [65.68144111226626]
Chirpy Cardinalは、情報と会話の両方をねらっている。
ユーザーとボットの両方を交互に会話に駆り立てる。
Chirpy Cardinalは、Alexa Prize Socialbot Grand Challengeで9つのボットのうち2位にランクインした。
論文 参考訳（メタデータ） (2022-07-25T09:57:23Z) - Investigating the Validity of Botometer-based Social Bot Studies [0.0]
ソーシャルボットは、世論を操作することを目的として悪意あるアクターが運営するソーシャルメディアアカウントの自動化だと考えられている。
社会ボットの活動は、アメリカ合衆国大統領選挙を含む様々な政治的文脈で報告されている。
ソーシャルボットの普及率を推定するために広く利用されている研究設計の根本的な欠点を指摘する。
論文 参考訳（メタデータ） (2022-07-23T09:31:30Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - CheerBots: Chatbots toward Empathy and Emotionusing Reinforcement
Learning [60.348822346249854]
本研究では,複数の共感型チャットボットがユーザの暗黙の感情を理解し,複数の対話のターンに対して共感的に応答する枠組みを提案する。
チャットボットをCheerBotsと呼びます。CheerBotsは検索ベースまたは生成ベースで、深い強化学習によって微調整されます。
共感的態度で反応するため,CheerBotsの学習支援としてシミュレーションエージェントである概念人間モデルを開発し,今後のユーザの感情状態の変化を考慮し,共感を喚起する。
論文 参考訳（メタデータ） (2021-10-08T07:44:47Z) - Put Chatbot into Its Interlocutor's Shoes: New Framework to Learn
Chatbot Responding with Intention [55.77218465471519]
本稿では,チャットボットに人間のような意図を持つための革新的なフレームワークを提案する。
我々のフレームワークには、ガイドロボットと人間の役割を担うインターロケータモデルが含まれていた。
本フレームワークを3つの実験的なセットアップを用いて検討し,4つの異なる指標を用いた誘導ロボットの評価を行い,柔軟性と性能の利点を実証した。
論文 参考訳（メタデータ） (2021-03-30T15:24:37Z) - 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。