論文の概要: Identifying social bots via heterogeneous motifs based on Naïve Bayes model
- arxiv url: http://arxiv.org/abs/2512.22759v1
- Date: Sun, 28 Dec 2025 03:25:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-30 22:37:30.208832
- Title: Identifying social bots via heterogeneous motifs based on Naïve Bayes model
- Title（参考訳）: ナイーブベイズモデルに基づく異種モチーフによる社会的ボットの同定
- Authors: Yijun Ran, Jingjing Xiao, Xiao-Ke Xu,
- Abstract要約: そこで我々は,Nave Bayesモデルに基づくソーシャルボット検出のための理論的枠組みを提案する。
ノードラベル情報を組み込んだ均一なモチーフをヘテロジニアスに洗練する。
各不均一なモチーフの最大能力を数学的に定量化し、その潜在的な利点を推定できる。
- 参考スコア（独自算出の注目度）: 2.870794895018672
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Identifying social bots has become a critical challenge due to their significant influence on social media ecosystems. Despite advancements in detection methods, most topology-based approaches insufficiently account for the heterogeneity of neighborhood preferences and lack a systematic theoretical foundation, relying instead on intuition and experience. Here, we propose a theoretical framework for detecting social bots utilizing heterogeneous motifs based on the Naïve Bayes model. Specifically, we refine homogeneous motifs into heterogeneous ones by incorporating node-label information, effectively capturing the heterogeneity of neighborhood preferences. Additionally, we systematically evaluate the contribution of different node pairs within heterogeneous motifs to the likelihood of a node being identified as a social bot. Furthermore, we mathematically quantify the maximum capability of each heterogeneous motif, enabling the estimation of its potential benefits. Comprehensive evaluations on four large, publicly available benchmarks confirm that our method surpasses state-of-the-art techniques, achieving superior performance across five evaluation metrics. Moreover, our results reveal that selecting motifs with the highest capability achieves detection performance comparable to using all heterogeneous motifs. Overall, our framework offers an effective and theoretically grounded solution for social bot detection, significantly enhancing cybersecurity measures in social networks.
- Abstract（参考訳）: ソーシャルボットの特定は、ソーシャルメディアのエコシステムに大きな影響を与えているため、重要な課題となっている。
検出手法の進歩にもかかわらず、ほとんどのトポロジに基づくアプローチは、近隣の嗜好の不均一性を十分に考慮しておらず、代わりに直観や経験に依存して、体系的な理論的基盤を欠いている。
本稿では,ナイーブベイズモデルに基づく異質なモチーフを用いた社会的ボット検出のための理論的枠組みを提案する。
具体的には、ノードラベル情報を組み込むことで、同質なモチーフを異質なモチーフに洗練し、近隣の嗜好の不均一性を効果的に把握する。
さらに、異種モチーフ内の異なるノードペアの寄与を、社会的ボットとして特定されるノードの可能性に対して体系的に評価する。
さらに,各不均一なモチーフの最大性能を数学的に定量化し,その潜在的な利点を推定する。
4つの大規模で一般公開されたベンチマークの総合的な評価は、我々の手法が最先端技術を超え、5つの評価指標で優れた性能を達成していることを示す。
さらに,本研究の結果から,高機能なモチーフを選択することで,不均一なモチーフを全て使用した場合に匹敵する検出性能が得られることが明らかとなった。
全体として、我々のフレームワークは、ソーシャルネットワークにおけるサイバーセキュリティ対策を大幅に強化し、効果的で理論的に根ざした社会ボット検出ソリューションを提供する。
関連論文リスト
- TOPO-Bench: An Open-Source Topological Mapping Evaluation Framework with Quantifiable Perceptual Aliasing [10.736029638634504]
トポロジカル一貫性をトポロジカルマップの基本特性として定式化し、ローカライゼーション精度が効率的な代理計量を提供することを示す。
本研究では,環境間の公正な比較を可能にするために,データセットのあいまいさに関する最初の定量的尺度を提案する。
すべてのデータセット、ベースライン、評価ツールは完全にオープンソースであり、トポロジカルマッピングにおける一貫した再現可能な研究を促進する。
論文 参考訳（メタデータ） (2025-10-05T08:58:08Z) - Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。
テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
論文 参考訳（メタデータ） (2025-08-12T17:19:20Z) - BotTrans: A Multi-Source Graph Domain Adaptation Approach for Social Bot Detection [55.31623652907614]
ソーシャルボットを検出するために,textitBotTrans というマルチソースグラフドメイン適応モデルを提案する。
まず、複数のソースネットワーク間で共有されるラベル付けの知識を活用して、クロスソースドメイントポロジを確立します。
次に、ソースノード埋め込みの識別性を高めるために、クロスドメイン隣の情報を集約する。
論文 参考訳（メタデータ） (2025-06-12T02:10:36Z) - A Meaningful Perturbation Metric for Evaluating Explainability Methods [55.09730499143998]
本稿では,画像生成モデルを用いて標的摂動を行う新しい手法を提案する。
具体的には,画像の忠実さを保ちながら,入力画像の高関連画素のみを塗布し,モデルの予測を変更することに焦点を当てる。
これは、しばしばアウト・オブ・ディストリビューションの修正を生み出し、信頼できない結果をもたらす既存のアプローチとは対照的である。
論文 参考訳（メタデータ） (2025-04-09T11:46:41Z) - Cost-Effective Community-Hierarchy-Based Mutual Voting Approach for Influence Maximization in Complex Networks [54.366995393644586]
実世界は通常、影響のあるノード識別の時間と精度のバランスに高い要求がある。
本稿では,複雑ネットワークに影響を及ぼすためのコスト効果型コミュニティ階層型相互投票方式を提案する。
提案手法は、時間複雑性と影響ノード同定の精度のバランスに関する16の最先端技術より優れている。
論文 参考訳（メタデータ） (2024-09-21T06:32:28Z) - xAI-Drop: Don't Use What You Cannot Explain [23.33477769275026]
グラフニューラルネットワーク(GNN)は、グラフ構造化データから学習するための主要なパラダイムとして登場した。
GNNは、一般化の欠如や解釈可能性の低下といった課題に直面している。
トポロジカルレベル降下正則化器であるxAI-Dropを導入する。
論文 参考訳（メタデータ） (2024-07-29T14:53:45Z) - 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) - Finding fake reviews in e-commerce platforms by using hybrid algorithms [0.0]
そこで我々は, 感情分析のための革新的なアンサンブルアプローチを提案し, 偽レビューの発見を行う。
私たちのアンサンブルアーキテクチャは、さまざまなモデルを戦略的に組み合わせて、固有の弱点を緩和しながら、その強みを活かします。
本研究は, 偽レビュー発見の最先端化において, アンサンブル技術の可能性を明らかにするものである。
論文 参考訳（メタデータ） (2024-04-09T14:25:27Z) - Adversarial Socialbots Modeling Based on Structural Information
Principles [24.339397435628214]
ソーシャルボットは、誤情報を伝達するために人間の行動を模倣し、ソーシャルボットと検出器の競争が続いている。
本稿では,より正確かつ効果的な対人行動モデリングを実現するために,数学的構造情報原理に基づく対人社会ボットモデリングフレームワーク,すなわちSIASMを提案する。
論文 参考訳（メタデータ） (2023-12-13T12:32:12Z) - KPEval: Towards Fine-Grained Semantic-Based Keyphrase Evaluation [69.57018875757622]
KPEvalは、参照合意、忠実性、多様性、有用性という4つの重要な側面からなる総合的な評価フレームワークである。
KPEvalを用いて、23のキーフレーズシステムを再評価し、確立されたモデル比較結果に盲点があることを発見した。
論文 参考訳（メタデータ） (2023-03-27T17:45:38Z) - Rethinking Bias Mitigation: Fairer Architectures Make for Fairer Face
Recognition [107.58227666024791]
顔認識システムは、法執行を含む安全クリティカルなアプリケーションに広くデプロイされている。
彼らは、性別や人種など、様々な社会的デデノグラフィー次元に偏見を示す。
バイアス軽減に関するこれまでの研究は、主にトレーニングデータの事前処理に重点を置いていた。
論文 参考訳（メタデータ） (2022-10-18T15:46:05Z)
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。