論文の概要: RoGBot: Relationship-Oblivious Graph-based Neural Network with Contextual Knowledge for Bot Detection

• arxiv url: http://arxiv.org/abs/2510.23648v1
• Date: Sat, 25 Oct 2025 05:14:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-29 17:50:20.167239
• Title: RoGBot: Relationship-Oblivious Graph-based Neural Network with Contextual Knowledge for Bot Detection
• Title（参考訳）: RoGBot:ボット検出のためのコンテキスト知識を備えた関係性のあるグラフベースニューラルネットワーク
• Authors: Ashutosh Anshul, Mohammad Zia Ur Rehman, Sri Akash Kadali, Nagendra Kumar,
• Abstract要約: 本稿では,詳細なテキスト機能とユーザメタデータを融合した新しいフレームワークを提案する。 本手法では,つぶやきからの深いセマンティック埋め込みを抽出するために,変換器ベースモデル(BERTなど)を用いる。 Cresci-15、Cresci-17、PAN 2019データセットの実験結果は、我々のアプローチの堅牢性を示している。
• 参考スコア（独自算出の注目度）: 3.884231159866055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting automated accounts (bots) among genuine users on platforms like Twitter remains a challenging task due to the evolving behaviors and adaptive strategies of such accounts. While recent methods have achieved strong detection performance by combining text, metadata, and user relationship information within graph-based frameworks, many of these models heavily depend on explicit user-user relationship data. This reliance limits their applicability in scenarios where such information is unavailable. To address this limitation, we propose a novel multimodal framework that integrates detailed textual features with enriched user metadata while employing graph-based reasoning without requiring follower-following data. Our method uses transformer-based models (e.g., BERT) to extract deep semantic embeddings from tweets, which are aggregated using max pooling to form comprehensive user-level representations. These are further combined with auxiliary behavioral features and passed through a GraphSAGE model to capture both local and global patterns in user behavior. Experimental results on the Cresci-15, Cresci-17, and PAN 2019 datasets demonstrate the robustness of our approach, achieving accuracies of 99.8%, 99.1%, and 96.8%, respectively, and highlighting its effectiveness against increasingly sophisticated bot strategies.
• Abstract（参考訳）: Twitterのようなプラットフォーム上で、本物のユーザー間で自動化されたアカウント(ボット)を検出することは、こうしたアカウントの振る舞いと適応戦略が進化しているため、依然として難しい課題だ。 近年の手法は,テキスト,メタデータ,ユーザ関係情報をグラフベースのフレームワークで組み合わせることで,強力な検出性能を実現しているが,これらのモデルの多くは明示的なユーザ-ユーザ関係データに大きく依存している。 この依存は、そのような情報が利用できないシナリオにおける適用性を制限する。 この制限に対処するため、従者追跡データを必要としないグラフベースの推論を用いて、詳細なテキスト機能とリッチなユーザメタデータを統合する新しいマルチモーダルフレームワークを提案する。 提案手法では,変換器ベースモデル(BERTなど)を用いて,ツイートからの深いセマンティック埋め込みを抽出し,最大プールを用いて集約し,包括的ユーザレベルの表現を生成する。 さらにこれらは、補助的な振る舞い機能と組み合わせて、GraphSAGEモデルを通過して、ユーザの振る舞いにおけるローカルパターンとグローバルパターンの両方をキャプチャする。 Cresci-15、Cresci-17、PAN 2019データセットの実験結果は、我々のアプローチの堅牢性を示し、それぞれ99.8%、99.1%、96.8%のアキュラシーを達成した。

関連論文リスト

• TWSSenti: A Novel Hybrid Framework for Topic-Wise Sentiment Analysis on Social Media Using Transformer Models [0.0]
  本研究では,感情分類の精度と頑健性を改善するために,トランスフォーマーモデルを組み合わせたハイブリッドフレームワークについて検討する。 このフレームワークは、ノイズの多いデータ、コンテキストのあいまいさ、さまざまなデータセット間の一般化といった課題に対処する。 この研究は、ソーシャルメディアのモニタリング、顧客感情分析、世論の追跡など、現実世界のタスクへの適用性を強調している。
  論文  参考訳（メタデータ） (2025-04-14T05:44:11Z)
• SymCERE: Symmetric Contrastive Learning for Robust Review-Enhanced Recommendation [2.087411180679868]
  提案するSymCEREは,提案する偽陰性に対処するコントラスト学習手法である。 3つのプラットフォームからの15のデータセットの実験では、SymCEREがいくつかの強力なベースラインを上回っていることが示されている。
  論文  参考訳（メタデータ） (2025-04-03T00:40:09Z)
• Contrastive Transformer Learning with Proximity Data Generation for Text-Based Person Search [60.626459715780605]
  記述的なテキストクエリーを与えられたテキストベースの人物検索は、画像ギャラリーからベストマッチした人物を検索することを目的としている。 このようなクロスモーダル検索タスクは、重要なモダリティギャップ、きめ細かい相違、注釈付きデータの不十分さのため、かなり難しい。 本稿では,テキストに基づく人物検索のための2つのトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2023-11-15T16:26:49Z)
• LMBot: Distilling Graph Knowledge into Language Model for Graph-less Deployment in Twitter Bot Detection [41.043975659303435]
  グラフニューラルネットワーク(GNN)の知識を言語モデル(LM)に抽出する新しいボット検出フレームワークLMBotを提案する。 グラフベースのデータセットでは、LMの出力はGNNの入力機能を提供し、ボットの検出と知識の抽出を反復的かつ相互に強化するプロセスでLMに戻すことができる。 実験の結果,LMBotは4つのTwitterボット検出ベンチマークで最先端のパフォーマンスを実現していることがわかった。
  論文  参考訳（メタデータ） (2023-06-30T05:50:26Z)
• A Graph-Enhanced Click Model for Web Search [67.27218481132185]
  ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。 セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
  論文  参考訳（メタデータ） (2022-06-17T08:32:43Z)
• A Robust Stacking Framework for Training Deep Graph Models with Multifaceted Node Features [61.92791503017341]
  数値ノード特徴とグラフ構造を入力とするグラフニューラルネットワーク(GNN)は,グラフデータを用いた各種教師付き学習タスクにおいて,優れた性能を示した。 IID(non-graph)データをGNNに簡単に組み込むことはできない。 本稿では、グラフ認識の伝播をIDデータに意図した任意のモデルで融合するロバストな積み重ねフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-16T22:46:33Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
  本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。 我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。 利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-28T05:47:33Z)

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。