基于图上半监督学习的 Facebook 多账号检测
社会与信息网络
2018-01-31 v1
摘要
在社交网络中,单个用户可能创建多个账号,通过在不同新闻页面上积极评论来传播其观点并影响他人。抑制此类异常活动对社交网络及其社群均有益处,而第一步便是检测这些账号。然而,该检测具有挑战性,因为这些账号可能具有非常真实的姓名与合理的活动模式。本文研究三种不同方法,并提出利用图嵌入结合半监督学习,预测一对账号是否由同一用户创建。我们开展了广泛的实验分析,以理解输入数据与算法参数/优化的变化如何影响预测性能。我们还发现,对于此类预测,局部信息比全局信息更为重要,并指出了导致最佳结果的阈值。我们使用来自中东的 6700 个 Facebook 页面测试所提方法,对同名用户取得平均准确率 0.996、AUC(曲线下面积)0.952;利用美国 2016 年选举数据集,对异名用户取得最佳 AUC 0.877。
引用
@article{arxiv.1801.09838,
title = {Multiple Accounts Detection on Facebook Using Semi-Supervised Learning on Graphs},
author = {Xiaoyun Wang and Chun-Ming Lai and Yunfeng Hong and Cho-Jui Hsieh and S. Felix Wu},
journal= {arXiv preprint arXiv:1801.09838},
year = {2018}
}