基于双向长短期记忆神经网络与词嵌入的 Twitter 机器人检测
密码学与安全
2020-02-05 v1 计算与语言
机器学习
摘要
Twitter 是一款兼具在线社交网络与微博客双重角色的 Web 应用。Twitter 的流行与开放结构吸引了大量被称为机器人的自动化程序。合法机器人生成大量良性情境内容，即推送新闻与更新动态推文，而恶意机器人传播垃圾或恶意内容。为协助人类用户识别其交互对象，本文聚焦于 Twitter 上人类账户与垃圾机器人账户的分类，采用循环神经网络，特别是双向长短期记忆 (BiLSTM)，以高效捕捉跨推文特征。据我们所知，我们的工作是首个开发带有词嵌入的循环神经模型以区分 Twitter 机器人与人类账户的研究，其无需关于用户档案、好友网络或目标账户历史行为的先验知识或假设。此外，我们的模型不需要任何手工特征。初步仿真结果令人鼓舞。在 cresci-2017 数据集上的实验表明，与现有最先进的机器人检测系统相比，我们的方法能取得具有竞争力的性能。
引用
@article{arxiv.2002.01336,
title = {Twitter Bot Detection Using Bidirectional Long Short-term Memory Neural Networks and Word Embeddings},
author = {Feng Wei and Uyen Trang Nguyen},
journal= {arXiv preprint arXiv:2002.01336},
year = {2020}
}
备注
IEEE TPS 2019. arXiv admin note: text overlap with arXiv:1703.04482 by other authors