Mar, 2015

利用推特固有特性提高 Twitter 社交垃圾邮件检测的效果

PDF
TL;DR本研究旨在通过仅依赖推文固有特征，检测社交垃圾邮件，使用两个大的手动标记的推文数据集，研究了五种分类算法和四种不同的特征集的适用性，并发现通过仅使用推文中有限的特征，我们可以获得有竞争力的结果，是社交垃圾邮件检测系统的有效补充。
social spamspam tweetsdata miningclassification algorithmsfeature sets
发现论文，激发创造
  • 基于网络的在线社交媒体评论垃圾检测框架 NetSpam

    利用映射垃圾邮件检测程序为网络中的分类问题的异构信息网络，提高了垃圾邮件特征的重要性，证明该方法在 Yelp 和 Amazon 等真实评论数据集上优于现有方法，其中除其他类别外，评论行为类别的特征表现得更好。

    Mar, 2017

  • 社交网络上 “智能” 垃圾邮件的检测：主题模型方法

    本研究提出了一种基于 LDA 潜在狄利克雷分布的新型垃圾邮件分类方法，提取了主题分布模式的本地和全局信息，优于其他最先进的方法，能够有效识别社交网络上类似合法用户的智能垃圾邮件。

    Apr, 2016

  • 数据扩增语义关系推理在反亚裔仇恨言论检测中的应用

    本研究提出了一种新方法，利用情感话题标记在自然语言推理框架中增强仇恨言论检测，并在实际数据集上证明了其相对于现有表示学习模型的有效性。

    Apr, 2022

  • 名声出售：高效检测假 Twitter 跟随者

    通过构建 Twitter 真实与虚假跟随者的基准数据集，本文训练了一组基于机器学习的分类器，证明了部分学术界提出的用于垃圾邮件检测的特征表现良好，建立了一个新的 “Class A” 分类器，能够正确分类超过 95% 的账户，并进行了灵敏度分析。

    Sep, 2015

  • 利用 Transformer 在 Twitter 中多模态检测社交垃圾机器人

    早期检测社交垃圾机器人对于防范传播虚假信息和操控公众意见至关重要。本研究首次使用用户描述字段和图像，采用预训练的视觉模型以及 TwHIN-BERT 来获取文本和图像的表征，并提出了三种不同的融合方法进行多模态融合，并在 Cresci '17 数据集上进行了广泛实验，证明了我们方法在准确率上具有显著优势，达到了 99.98%。

    Aug, 2023

  • 在线人机交互：检测、估计和描述

    本文提出了一个基于超过一千个公共数据和元数据特征的框架，用于检测 Twitter 上的社交媒体自主实体（即社交媒体机器人）。经测试，此框架能够与公开的 Twitter 机器人数据集高度契合，可以检测不同类型的机器人，如垃圾邮件发送者、自我推广者和使用连接应用程序发布内容的账户等，并且估计在活跃的 Twitter 账户中有 9% 至 15% 的机器人，机器人相互之间的交互关系有助于研究用于相互之间通信的转发和提到策略。

    Mar, 2017

  • 利用用户内部和用户间的表示学习进行自动化的仇恨言论检测

    本文通过在 Twitter 上收集和分析用户历史记录来建模用户内部 Tweet 表示，以及使用增强的用户间表示学习技术，对其他用户发布的类似推文进行建模，从而显着提高了强双向 LSTM 基线模型的 f-score10.1％。

    Apr, 2018

  • Twitter 自动账户的词汇分析

    本文探究社交机器人与真实账户之间的语言差异，提出的词汇丰富度、词汇复杂度和表情符号分布等识别特征，可以有效地用于机器学习模型的训练和社交机器人识别。

    Dec, 2018

  • 社交垃圾邮件机器人的范式转变：证据、理论和武器竞赛

    通过对推特社交垃圾邮件的研究，发现社交垃圾邮件的崛起并不被 Twitter 和人类所能够准确检测，提出需要新的方法来解决这一问题，并且将对集体行为的分析作为一种新型的检测方式。

    Jan, 2017

  • 仇恨言论检测：已解决的问题？Twitter 上长尾案例的挑战

    该研究旨在解决社交媒体上自动检测仇恨言论的问题。作者提出了一种基于深度神经网络结构的特征提取器，在 Twitter 上的仇恨言论检测方面表现出比目前最佳方法高出 5 个百分点的效果。

    Feb, 2018