Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

BotArtist: Generic approach for bot detection in Twitter via semi-automatic machine learning pipeline

Created by
  • Haebom

저자

Alexander Shevtsov, Despoina Antonakaki, Ioannis Lamprou, Polyvios Pratikakis, Sotiris Ioannidis

개요

본 논문은 트위터 봇 탐지 모델인 BotArtist를 제시합니다. 반자동 머신러닝 파이프라인(SAMLP)을 이용하여 개발된 BotArtist는 사용자 프로필 특징을 기반으로 하며, 9개의 공개 데이터셋을 활용하여 학습되었습니다. 35개의 기존 트위터 봇 탐지 방법과 비교 평가한 결과, F1-score 기준으로 약 10% 향상된 성능(평균 83.19%)을 달성했습니다. 또한, 2022년 러시아-우크라이나 전쟁 기간 동안 수집된 1,092만 9,533개의 트위터 사용자 프로필에 대한 레이블링된 데이터셋을 제공하며, 이는 향후 봇 탐지 모델 개발에 기여할 것으로 기대됩니다.

시사점, 한계점

•
시사점:
◦
기존 트위터 봇 탐지 모델보다 우수한 성능(F1-score 기준 약 10% 향상)을 보이는 BotArtist 모델 제시.
◦
1,092만 개 이상의 레이블링된 트위터 사용자 프로필 데이터셋 제공. 이는 향후 연구에 중요한 자원이 될 것임.
◦
SAMLP 파이프라인을 통해 효율적인 머신러닝 모델 개발 과정 제시.
•
한계점:
◦
데이터셋이 2022년 러시아-우크라이나 전쟁 기간 동안 수집된 데이터에 기반하여, 시대적, 지역적 편향이 존재할 가능성.
◦
BotArtist 모델의 일반화 성능에 대한 추가적인 검증이 필요.
◦
사용자 프로필 특징만을 사용하므로, 다른 유형의 봇 탐지에는 적용이 제한적일 수 있음.
👍
Made with Slashpage