Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

3. Unsupervised Pathogenic Social Media Accounts Detection Without Content or Network Structure

verfasst von : Hamidreza Alvari, Elham Shaabani, Paulo Shakarian

Erschienen in: Identification of Pathogenic Social Media Accounts

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This chapter introduces an unsupervised causality-based framework built upon the causal inference presented in Chap. 2 using label propagation. The merit of this approach is that it identifies PSM users without using network structure, cascade path information, content and user’s information which are usually hard to obtain. Results on the ISIS-A dataset discussed in the previous chapter, show that the proposed approach obtains higher precision (0.75) in identifying PSM accounts compared with the random (precision of 0.11) and existing bot detection (precision of 0.16) methods.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Characterizing Pathogenic Social Media Accounts
Nächstes Kapitel Early Detection of Pathogenic Social Media Accounts
Literatur
1.
H. Alvari, S. Hashemi, A. Hamzeh, Detecting overlapping communities in social networks by game theory and structural equivalence concept, in International Conference on Artificial Intelligence and Computational Intelligence (Springer, 2011), pp. 620–630
2.
H. Alvari, A. Hajibagheri, G. Sukthankar, K. Lakkaraju, Identifying community structures in dynamic networks. Soc. Netw. Anal. Min. 6(1), 77 (2016)
3.
S. Baluja, R. Seth, D. Sivakumar, Y. Jing, J. Yagnik, S. Kumar, D. Ravichandran, M. Aly, Video suggestion and discovery for YouTube: taking random walks through the view graph, in Proceedings of the 17th International Conference on World Wide Web (ACM, 2008), pp. 895–904
4.
G. Beigi, H. Liu, Similar but different: Exploiting users’ congruity for recommendation systems, in International Conference on Social Computing, Behavioral-Cultural Modeling, and Prediction (Springer, 2018)
5.
G. Beigi, J. Tang, H. Liu, Social science–guided feature engineering: A novel approach to signed link analysis. ACM Trans. Intell. Syst. Technol. 11(1), 1–27 (Jan. 2020)
6.
Q. Cao, M. Sirivianos, X. Yang, T. Pregueiro, Aiding the detection of fake accounts in large scale social online services, in Proceedings of the 9th USENIX conference on Networked Systems Design and Implementation (USENIX Association, 2012), pp. 15–15
7.
C.A. Davis, O. Varol, E. Ferrara, A. Flammini, F. Menczer, BotOrNot: A system to evaluate social bots, in Proceedings of the 25th International Conference Companion on World Wide Web (International World Wide Web Conferences Steering Committee, 2016), pp. 273–274
8.
J.P. Dickerson, V. Kagan, V. Subrahmanian, Using sentiment to detect bots on twitter: Are humans more opinionated than bots? in 2014 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining, pp. 620–627 (2014)
9.
F. Morstatter, L. Wu, T.H. Nazer, K.M. Carley, H. Liu, A new approach to bot detection: striking the balance between precision and recall, in 2016 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining, pp. 533–540 (2016)
10.
U.N. Raghavan, R. Albert, S. Kumara, Near linear time algorithm to detect community structures in large-scale networks. Phys. Rev. E 76(3), 036106 (2007)
11.
E. Shaabani, R. Guo, P. Shakarian, Detecting pathogenic social media accounts without content or network structure, in 2018 1st International Conference on Data Intelligence and Security (ICDIS) (IEEE, 2018), pp. 57–64
12.
V. Subrahmanian, A. Azaria, S. Durst, V. Kagan, A. Galstyan, K. Lerman, L. Zhu, E. Ferrara, A. Flammini, F. Menczer, The DARPA twitter bot challenge. Computer 49(6), 38–46 (2016)CrossRef
13.
X. Zhang, J. Zhu, Q. Wang, H. Zhao, Identifying influential nodes in complex networks with community structure. Know. Based Syst. 42, 74–84 (2013)CrossRef
14.
X. Zhu, Z. Ghahramani, Learning from labeled and unlabeled data with label propagation (2002)
Metadaten
Titel
Unsupervised Pathogenic Social Media Accounts Detection Without Content or Network Structure
verfasst von
Hamidreza Alvari
Elham Shaabani
Paulo Shakarian
Copyright-Jahr
2021
Buch
Identification of Pathogenic Social Media Accounts

Print ISBN: 978-3-030-61430-0

Electronic ISBN: 978-3-030-61431-7

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-3-030-61431-7_3

Premium Partner

    Bildnachweise