Fugu-MT 論文翻訳(概要): FISSION: Label Augmentation for Bot Detection

論文の概要: FISSION: Label Augmentation for Bot Detection

arxiv url: http://arxiv.org/abs/2609.26279v1
Date: Fri, 14 Aug 2026 13:03:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-28 05:09:55.953473
Title: FISSION: Label Augmentation for Bot Detection
Title（参考訳）: FISSION:ボット検出のためのラベル拡張
Abstract要約: 本稿では,各アカウントのアクティビティを正のラベル付きサブアカウントに分割することでラベルを生成するFISSIONを提案する。ウィキペディアのソケットやTwitter/Xボットの検出において,従来の手法よりも優れていることを示す。
参考スコア（独自算出の注目度）: 4.131339260268538
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Bot accounts and coordinated influence operations are often discovered via heuristic methods, leaving a dearth of reliable ground-truth labels for training detection systems. To address this challenge, we study a natural question: can we generate labels to assist in learning embeddings in which bots and accounts from the same coordinated operation are close? We present FISSION, a method to generate labels by splitting each account's activity into positively labeled sub-accounts. Given this label source, we train detection models which preserve behavioral regularities recurring across positive sub-accounts. We evaluate FISSION and show it outperforms prior methods in detecting Wikipedia sockpuppets and Twitter/X bots.
Abstract（参考訳）: ボットのアカウントと協調した影響操作は、しばしばヒューリスティックな方法によって発見され、検出システムの訓練のために信頼できる地道ラベルが発掘されたままである。この課題に対処するために、私たちは、同じ協調操作からボットやアカウントが近接している埋め込みを学習するためのラベルを生成することができるか? 本稿では,各アカウントのアクティビティを正のラベル付きサブアカウントに分割することでラベルを生成するFISSIONを提案する。このラベル源から、正のサブアカウント間で繰り返し発生する行動規則性を保持する検出モデルを訓練する。我々は、FISSIONを評価し、ウィキペディアのソケットやTwitter/Xボットの検出における先行手法よりも優れていることを示す。

関連論文リスト

On the efficacy of old features for the detection of new bots [0.4506099292980221]
我々は、Twitterをベンチマークとして、新しいボットを検出する4つの最先端機能セットのパフォーマンスを比較した。この結果は、進化したボットを検知するために汎用分類器と低コストで計算可能な会計機能を使用できることを示唆している。
論文参考訳（メタデータ） (2025-06-24T13:56:09Z)
Alternative Pseudo-Labeling for Semi-Supervised Automatic Speech Recognition [49.42732949233184]
ラベル付きデータが不十分な場合、擬似ラベル技術による半教師付き学習は自動音声認識の性能を大幅に向上させることができる。損失関数のグラウンドトルースとしてノイズラベルを取ると、最適以下の性能が得られる。そこで我々は,ノイズの多い擬似ラベル問題に対処するために,代替擬似ラベル方式という新しい枠組みを提案する。
論文参考訳（メタデータ） (2023-08-12T12:13:52Z)
BotShape: A Novel Social Bots Detection Approach via Behavioral Patterns [4.386183132284449]
実世界のデータセットに基づいて、生のイベントログから行動シーケンスを構築する。ボットと真のユーザの違いと、ボットアカウント間の類似パターンを観察する。本稿では,行動の順序や特徴を自動的に把握するソーシャルボット検出システムBotShapeを提案する。
論文参考訳（メタデータ） (2023-03-17T19:03:06Z)
Visual Transformer for Task-aware Active Learning [49.903358393660724]
プールベースのアクティブラーニングのための新しいパイプラインを提案する。提案手法は,学習中に使用可能なアンラベリング例を利用して,ラベル付き例との相関関係を推定する。ビジュアルトランスフォーマーは、ラベル付き例と非ラベル付き例の間の非ローカルビジュアル概念依存性をモデル化する。
論文参考訳（メタデータ） (2021-06-07T17:13:59Z)
Disentangling Sampling and Labeling Bias for Learning in Large-Output Spaces [64.23172847182109]
異なる負のサンプリングスキームが支配的ラベルと稀なラベルで暗黙的にトレードオフパフォーマンスを示す。すべてのラベルのサブセットで作業することで生じるサンプリングバイアスと、ラベルの不均衡に起因するデータ固有のラベルバイアスの両方に明示的に対処する統一された手段を提供する。
論文参考訳（メタデータ） (2021-05-12T15:40:13Z)
A ground-truth dataset and classification model for detecting bots in GitHub issue and PR comments [70.1864008701113]
ボットはGithubリポジトリで、分散ソフトウェア開発プロセスの一部である反復的なアクティビティを自動化するために使用されている。本稿では,5000のGithubアカウントのプルリクエストとコメント発行に関する,高い相互契約を伴う手動分析に基づいて,基幹トラスデータセットを提案する。ボットを検出する自動分類モデルを提案し,各アカウントの空のコメント数と空でないコメント数,コメントパターンの数,コメントパターン内のコメント間の不平等を主特徴とする。
論文参考訳（メタデータ） (2020-10-07T09:30:52Z)
CycAs: Self-supervised Cycle Association for Learning Re-identifiable Descriptions [61.724894233252414]
本稿では,人物再識別(re-ID)問題に対する自己教師型学習手法を提案する。既存の教師なしのメソッドは通常、ビデオトラッカーやクラスタリングのような擬似ラベルに依存している。疑似ラベルを使わずに、生のビデオから歩行者の埋め込みを学習できる別の教師なし手法を導入する。
論文参考訳（メタデータ） (2020-07-15T09:52:35Z)
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)
Multi-label Stream Classification with Self-Organizing Maps [2.055054374525828]
ラベルを無限に遅延させたマルチラベルストリーム分類のための自己組織化マップに基づくオンラインインクリメンタル手法を提案する。分類段階では、k-アネレス近傍の戦略を用いて、地図の勝利したニューロンを計算する。我々は,各インスタンスのラベルをベイズ則と各ニューロンの出力を用いて予測し,ストリーム内のクラスの確率と条件付き確率に適応する。
論文参考訳（メタデータ） (2020-04-20T15:52:38Z)

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。