用于黑市推文检测的多任务学习
社会与信息网络
2019-07-10 v1 计算与语言
信息检索
摘要
在线社交媒体平台使世界的互联程度前所未有，从而让每个人都能更轻松地向广泛受众传播其内容。Twitter 便是这样一个热门平台，人们通过发布推文向所有人传播消息。Twitter 允许用户转发其他用户的推文，以向其社交网络广播。一条特定推文获得的转发越多，其传播越快。这促使人们通过使用某些黑市服务为其内容获取非自然评价，从而人为地扩大其推文触达范围。在本文中，我们尝试检测那些发布于这些黑市服务上、以获得人为刷高转发的推文。我们采用多任务学习框架，在分别输入的分类与回归任务间利用软参数共享。这使我们能有效检测发布于这些黑市服务的推文，在将推文分类为黑市或真实时取得了 0.89 的 F1 分数。
引用
@article{arxiv.1907.04072,
title = {Multitask Learning for Blackmarket Tweet Detection},
author = {Udit Arora and William Scott Paka and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:1907.04072},
year = {2019}
}
备注
4 pages, IEEE/ACM International Conference on Social Networks Analysis and Mining (ASONAM) 2019