少即是多：用于检测社交媒体中病原性用户的半监督因果推断
社会与信息网络
2019-03-06 v1
摘要
近年来，恶意社交媒体行为体操纵舆论与政治事件的现象激增。这类用户被称为“病原性社交媒体（PSM）”账号。PSM 是社交媒体中 misinformation 扩散至病毒式传播的关键用户，这些账号可由真实用户或自动化 bot 控制。因此，识别 PSM 对社交媒体平台方至关重要。该重任通常落于能识别这些账号并维护社交媒体声誉的自动化方法上。然而，缺乏充足标注样本以设计与训练复杂对抗方法，仍是社交媒体企业面临的首要挑战之一。相比之下，得益于海量用户生成数据，未标注数据丰富且获取成本低。本文提出一种半监督因果推断 PSM 检测框架 SemiPsm，以弥补标注数据不足。具体而言，该方法以流形正则化形式利用未标注数据，且仅依赖级联信息，这与使用详尽特征工程（如档案信息、网络结构等）的现有方法形成对比。在来自 Twitter 的真实 ISIS 相关数据集上的实证实验证据表明，利用未标注样本检测 PSM 具有良好前景。
引用
@article{arxiv.1903.01693,
title = {Less is More: Semi-Supervised Causal Inference for Detecting Pathogenic Users in Social Media},
author = {Hamidreza Alvari and Elham Shaabani and Soumajyoti Sarkar and Ghazaleh Beigi and Paulo Shakarian},
journal= {arXiv preprint arXiv:1903.01693},
year = {2019}
}
备注
Companion Proceedings of the 2019 World Wide Web Conference