BotArtist：基于半自动机器学习流水线的Twitter机器人通用检测方法
社会与信息网络
2025-04-15 v5 人工智能
机器学习
摘要
Twitter作为最流行的社交网络之一，为交流与在线讨论提供了平台。不幸的是，它也成为了机器人与虚假账号的目标，导致虚假信息的传播与操纵。本文引入一种半自动机器学习流水线(SAMLP)，旨在应对机器学习模型开发相关的挑战。通过该流水线，我们基于用户画像特征开发了一个名为BotArtist的综合机器人检测模型。SAMLP利用九个不同的公开数据集训练BotArtist模型。为评估BotArtist相对于当前最先进方案的性能，我们对35种现有Twitter机器人检测方法进行了评估，每种方法使用了多样化的特征。我们在标准化条件下基于九个公开数据集对BotArtist与这些现有方法进行比较评估，结果显示所提模型在F1分数上以近10%的优势超越现有方案，分别在特定方法与通用方法上取得83.19%与68.5%的平均分数。作为本研究的结果，我们提供了规模最大的带标签Twitter机器人数据集之一。该数据集包含通过Twitter API在2022年俄乌战争期间历时16个月收集的10,929,533个Twitter用户画像的提取特征及BotArtist预测结果。该数据集基于[Shevtsov et al., 2022a]创建，原作者对总计127,275,386条讨论俄乌战争的匿名推文进行了分享。现有文本数据集与所提供的带标签机器人与人类画像的结合，将助力后Twitter API时代更先进的机器人检测大语言模型的未来开发。
引用
@article{arxiv.2306.00037,
title = {BotArtist: Generic approach for bot detection in Twitter via semi-automatic machine learning pipeline},
author = {Alexander Shevtsov and Despoina Antonakaki and Ioannis Lamprou and Polyvios Pratikakis and Sotiris Ioannidis},
journal= {arXiv preprint arXiv:2306.00037},
year = {2025}
}