TIES：用于增强 Facebook 社交媒体完整性的时序交互嵌入
人工智能
2020-02-20 v1 机器学习
社会与信息网络
摘要
自创立以来，Facebook 已成为在线社交社区不可或缺的一部分。人们依靠 Facebook 与他人建立联系并构建社区。因此，以快速且可扩展的方式保护这一快速增长网络的完整性至关重要。本文中，我们介绍了为保护 Facebook 上各类社交媒体实体免受平台滥用者侵害所作的努力。我们提出一种新颖的时序交互嵌入（TIES）模型，旨在捕捉恶意社交交互并标记以采取进一步适当行动。TIES 是一个有监督的、深度学习的、可用于生产环境的模型，适用于 Facebook 规模的网络。先前关于完整性问题的研究多聚焦于仅捕捉社交实体的静态或某些动态特征。相比之下，得益于图嵌入与深度序列模式学习领域的近期进展，TIES 能在统一模型中捕捉这两类变异行为。为展示 TIES 的现实影响，我们给出了若干应用，特别是用于防止误传扩散、虚假账号检测以及降低广告支付风险，以提升平台完整性。
引用
@article{arxiv.2002.07917,
title = {TIES: Temporal Interaction Embeddings For Enhancing Social Media Integrity At Facebook},
author = {Nima Noorshams and Saurabh Verma and Aude Hofleitner},
journal= {arXiv preprint arXiv:2002.07917},
year = {2020}
}
备注
Submitted to KDD 2020 applied DS track