维基百科破坏者早期检测：从用户行为到用户嵌入
密码学与安全
2017-06-06 v1 计算与语言
计算机与社会
摘要
维基百科是最大的在线百科全书，允许任何人编辑条目。本文提出利用深度学习基于用户的编辑历史检测破坏者。具体地，我们开发了多源长短期记忆网络（M-LSTM）来建模用户行为，使用多种用户编辑方面作为输入，包括编辑回退信息的历史、编辑页面标题与分类。借助M-LSTM，我们可以将每个用户编码为一个低维实值向量，称为用户嵌入（user embedding）。同时，作为一个序列模型，M-LSTM在用户每次提交新编辑后更新用户嵌入。因此，我们可以基于最新用户嵌入动态预测用户是良性还是破坏者。此外，这些用户嵌入对于发现协同破坏者至关重要。
引用
@article{arxiv.1706.00887,
title = {Wikipedia Vandal Early Detection: from User Behavior to User Embedding},
author = {Shuhan Yuan and Panpan Zheng and Xintao Wu and Yang Xiang},
journal= {arXiv preprint arXiv:1706.00887},
year = {2017}
}
备注
14 pages, 3 figures