BotBuster：基于专家混合模型的多平台机器人检测
社会与信息网络
2022-07-28 v1
摘要
尽管发展迅速，当前的机器人检测模型在处理不完整数据和跨平台应用方面仍面临挑战。在本文中，我们提出 BotBuster，一种基于专家混合方法理念构建的社交机器人检测器。每个专家被训练来分析账户信息的一部分，例如用户名，并被组合以估计该账户为机器人的概率。在 10 个 Twitter 数据集上的实验表明，BotBuster 优于流行的机器人检测基线（平均 F1=73.54 对比平均 F1=45.12）。同时在 Reddit 数据集上取得 F1=60.04，在外部评估集上取得 F1=60.92。进一步分析表明，仅需 36 条帖子即可实现稳定的机器人分类。调查显示，机器人发帖特征多年来已发生变化，且可能难以与人类特征区分，使得机器人检测成为一个困难且持续存在的问题。
引用
@article{arxiv.2207.13658,
title = {BotBuster: Multi-platform Bot Detection Using A Mixture of Experts},
author = {Lynnette Hui Xian Ng and Kathleen M. Carley},
journal= {arXiv preprint arXiv:2207.13658},
year = {2022}
}
备注
Accepted to ICWSM 2023