BotTriNet: A Unified and Efficient Embedding for Social Bots Detection via Metric Learning

要約

タイトル：BotTriNet：メトリック学習を用いたソーシャルボットの効率的な統一的な埋め込み

要約：
– BotTriNetは、文脈が自然にアカウントの個性と習慣を明らかにすることから、アカウントが投稿するテキストコンテンツを利用してソーシャルボットを検出する統合的な埋め込みフレームワークです。
– 通常の自然言語処理技術によって生成された生の埋め込みを調整するトリプレットネットワークを設計して、単語、文、アカウントの埋め込みを生成する一般的な埋め込みフレームワークを超えています。
– CRESCI2017という現実のデータセットで検出精度とF1スコアを評価しました。これには、3つのボットアカウントカテゴリと5つのボットサンプルセットが含まれます。
– 弊社のシステムは、2つのコンテンツ重視のボットセットで最高の平均精度98.34％およびf1スコア97.99％を達成し、以前の作業を上回り、最新技術となりました。また、4つのコンテンツ用意のないボットセットでも、平均精度の向上率11.52％および平均f1スコアの増加率16.70％の突破を実現しました。

要約(オリジナル)

A persistently popular topic in online social networks is the rapid and accurate discovery of bot accounts to prevent their invasion and harassment of genuine users. We propose a unified embedding framework called BOTTRINET, which utilizes textual content posted by accounts for bot detection based on the assumption that contexts naturally reveal account personalities and habits. Content is abundant and valuable if the system efficiently extracts bot-related information using embedding techniques. Beyond the general embedding framework that generates word, sentence, and account embeddings, we design a triplet network to tune the raw embeddings (produced by traditional natural language processing techniques) for better classification performance. We evaluate detection accuracy and f1score on a real-world dataset CRESCI2017, comprising three bot account categories and five bot sample sets. Our system achieves the highest average accuracy of 98.34% and f1score of 97.99% on two content-intensive bot sets, outperforming previous work and becoming state-of-the-art. It also makes a breakthrough on four content-less bot sets, with an average accuracy improvement of 11.52% and an average f1score increase of 16.70%.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI