YouTube 上共谋实体的检测与分析
社会与信息网络
2021-08-11 v2
摘要
在这项工作中，我们对由各类黑市服务催生的 YouTube 共谋实体进行了深入分析。随后，我们提出模型以检测三类共谋 YouTube 实体——寻求共谋点赞的视频、寻求共谋订阅的频道，以及寻求共谋评论的视频。第三类实体与时间信息相关。为分别检测寻求共谋点赞和订阅的视频与频道，我们利用在我们策划的共谋实体和一组新特征上训练的单类分类器。基于 SVM 的模型表现出显著性能，检测共谋视频和共谋频道的真正率分别为 0.911 和 0.910。为检测寻求共谋评论的视频，我们提出 CollATe，一种利用评论发布的时间序列信息及视频静态元数据的新型端到端神经架构。CollATe 由三部分组成——元数据特征提取器（从视频中导出基于元数据的特征）、异常特征提取器（利用评论时间序列数据检测评论活动的突变）和评论特征提取器（利用共谋期间发布的评论文本并计算评论间的相似度分数）。大量实验表明 CollATe（真正率 0.905）相对于基线方法的有效性。
引用
@article{arxiv.2005.06243,
title = {Detecting and analyzing collusive entities on YouTube},
author = {Hridoy Sankar Dutta and Mayank Jobanputra and Himani Negi and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:2005.06243},
year = {2021}
}
备注
Accepted at ACM Transactions on Intelligent Systems and Technology (TIST)