代数声誉模型RepRank及其在垃圾机器人检测中的应用
社会与信息网络
2014-11-24 v1
摘要
由于社交网络的日益普及，它们已成为垃圾信息发送者和游击营销人员有利可图的目标，这些人试图操纵排名系统并以极低甚至零成本传播其信息。排名系统，例如Twitter的热门趋势，可以被脚本用户（也称为机器人）操纵，这些用户自动或半自动地发布本质上相同的信息。从公关公司的报价和供应量来看，这是一种易于实施且广泛使用的策略，至少在俄罗斯博客圈是如此。社交网络的聚合分析最好将这些信息标记为垃圾信息，或者至少正确地降低其重要性，因为它们仅代表少数（尽管是专注的）用户的意见。因此，机器人检测在社交网络挖掘和分析中起着至关重要的作用。在本文中，我们提出了一种称为RepRank的技术，该技术可被视为基于马尔可夫链的模型，用于在图上进行声誉传播，同时利用信任和反信任传播，并为其计算提供了一种有效的数值方法。我们以一个包含32万俄语Twitter用户的样本为例，展示了该模型与TrustRank及其一些变体模型的比较结果，同时提供了该数据集。
引用
@article{arxiv.1411.5995,
title = {Algebraic reputation model RepRank and its application to spambot detection},
author = {G. V. Ovchinnikov and D. A. Kolesnikov and I. V. Oseledets},
journal= {arXiv preprint arXiv:1411.5995},
year = {2014}
}