- RF-GNN: Нейронная сеть Random Forest Boosted Graph для обнаружения социальных ботов (arXiv)
Автор: Шухао Ши, Кай Цяо, Цзе Ян, Баоцзе Сун, Цзянь Чен, Бин Янь.
Аннотация: Наличие большого количества ботов в социальных сетях приводит к неблагоприятным последствиям. Хотя алгоритм случайного леса широко используется для обнаружения ботов и может значительно повысить производительность слабых классификаторов, он не может использовать взаимодействие между учетными записями. В этой статье предлагается графовая нейронная сеть с усилением случайного леса для обнаружения социальных ботов, называемая RF-GNN, которая использует графовые нейронные сети (GNN) в качестве базовых классификаторов для построения случайного леса, эффективно сочетая преимущества ансамблевого обучения и GNN для улучшения точность и надежность модели. В частности, разные подграфы строятся как разные обучающие наборы посредством выборки узлов, выбора признаков и исключения ребер. Затем базовые классификаторы GNN обучаются с использованием различных подграфов, а оставшиеся функции используются для обучения полносвязной сетевой сети (FCN). Выходы GNN и FCN выравниваются в каждой ветви. Наконец, выходные данные всех ветвей объединяются для получения окончательного результата. Более того, RF-GNN совместим с различными широко используемыми GNN для классификации узлов. Обширные экспериментальные результаты показывают, что предлагаемый метод обеспечивает лучшую производительность, чем другие современные методы.
2. От онлайн-поведения к изображениям: новый подход к обнаружению социальных ботов (arXiv)
Автор: Эдоардо Ди Паоло, Маринелла Петрокки, Анджело Спогнарди.
Аннотация: Социальные сети онлайн произвели революцию в том, как мы потребляем и обмениваемся информацией, но они также привели к распространению контента, не всегда надежного и точного. Известно, что один конкретный тип социальных учетных записей продвигает ненадежный контент, гиперпартийную и пропагандистскую информацию. Это автоматизированные учетные записи, обычно называемые ботами. Ориентируясь на учетные записи Twitter, мы предлагаем новый подход к обнаружению ботов: сначала мы предлагаем новый алгоритм, который преобразует последовательность действий, выполняемых учетной записью, в изображение; затем мы используем силу сверточных нейронных сетей, чтобы продолжить классификацию изображений. Мы сравниваем наши результаты с самыми современными результатами обнаружения ботов на подлинных учетных записях / наборах данных учетных записей ботов, хорошо известных в литературе. Результаты подтверждают эффективность предложения, поскольку возможности обнаружения находятся на одном уровне с уровнем техники, а в некоторых случаях даже лучше.
