在线人机交互：检测、估计与特征刻画

越来越多的证据表明，越来越多的社交媒体内容是由被称为社交机器人的自主实体生成的。在本工作中，我们提出了一个在 Twitter 上检测此类实体的框架。我们利用从公开数据和用户元数据中提取的一千多个特征：好友、推文内容与情感、网络模式以及活动时间序列。我们使用公开可用的 Twitter 机器人数据集对该分类框架进行基准测试。该训练数据通过一个手动标注的活跃 Twitter 用户集合得到丰富，其中包括人类和不同复杂程度的机器人。我们的模型产生了高准确率且彼此一致，能够检测不同性质的机器人。我们的估计表明，9% 到 15% 的活跃 Twitter 账户是机器人。在刻画账户之间的联系时，我们观察到简单的机器人倾向于与表现出更多类人行为的机器人交互。对内容流的分析揭示了机器人采用的转发和提及策略，以与不同的目标群体交互。使用聚类分析，我们刻画了几个账户子类，包括垃圾信息发送者、自我推广者以及从关联应用发布内容的账户。