部分可观测Twitter网络中的内容污染者实时检测

内容污染者，即为政治或广告目的劫持对话的机器人（bot），对于事件预测、选举预测以及区分社交媒体数据中的真实新闻与虚假新闻而言是一个已知问题。识别此类机器人尤其具有挑战性，最先进的方法利用大量网络数据作为机器学习模型的特征。这类数据集在通常流式传输社交媒体数据以进行实时事件预测的应用中一般不易获取。本工作中，我们开发了一种在实时流式传输的社交媒体数据集中检测内容污染者的方法。将我们的方法应用于澳大利亚国内动荡事件预测问题，我们从单条推文中识别内容污染者，而无需收集来自单个账户的社会网络或历史数据。我们在数据集中识别了这些机器人的一些特殊特征，并提出了用于识别此类账户的度量指标。随后我们围绕此类机器人检测提出了若干研究问题，包括：Twitter在检测内容污染者方面表现如何，以及最先进的方法在我们的数据集中检测机器人的效果怎样。