TrollSpot：评论平台中的不当行为检测
社会与信息网络
2018-06-07 v1
摘要
诸如 Disqus 的评论平台已成为拥有数百万用户和帖子的主流在线交流平台。其流行也吸引了寄生的恶意行为，例如钓鱼挑衅（trolling）和垃圾信息（spamming）。关于建模和保护这些平台的研究相对较少。作为我们的关键贡献，我们开发了一种系统性的方法来检测评论平台上的恶意用户，侧重于：(a) 可解释性，以及 (b) 细粒度的恶意分类。我们的工作有两个关键创新：(a) 我们提出两种分类方法，其中一种采用两阶段方法，首先将可观测特征映射到行为，然后将这些行为映射到用户角色；(b) 我们使用涵盖四个信息维度的 73 个特征的全面集合。我们使用 9 个月期间的 700 万条评论，并展示我们的分类方法能够以 0.904 的 AUC 区分良性角色与恶意角色（垃圾信息发布者、挑衅者、狂热者）。我们的工作是确保评论平台成为安全且愉悦的思想交流媒介的坚实一步。
引用
@article{arxiv.1806.01997,
title = {TrollSpot: Detecting misbehavior in commenting platforms},
author = {Tai Ching Li and Joobin Gharibshah and Evangelos E. Papalexakis and Michalis Faloutsos},
journal= {arXiv preprint arXiv:1806.01997},
year = {2018}
}
备注
Accepted in WSDM workshop on Misinformation and Misbehavior Mining on the Web, 2018