Facebook Ads Monitor: An Independent Auditing System for Political Ads on Facebook
Univ. Federal de Mato Grosso do Sul（南马托格罗索联邦大学）；Univ. Estadual do Sudoeste da Bahia（巴伊亚西南州立大学）；Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔国立理工学院）；LIG（格勒诺布尔信息学实验室）；Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）
2016年美国总统大选的标志是Facebook上滥用定向广告。出于对2018年巴西大选中出现类似滥用行为风险的担忧，我们设计并部署了一个独立的审计系统来监控巴西Facebook上的政治广告。为了做到这一点，我们首先调整了一个浏览器插件，从使用Facebook的志愿者的时间轴收集广告。我们成功说服了2000多名志愿者来帮助我们的项目并安装我们的工具。然后，我们使用卷积神经网络（CNN）来检测使用词嵌入的政治Facebook广告。为了评估我们的方法，我们手动将10k广告的数据汇集标记为政治或非政治，然后通过将其与经典的监督机器学习方法进行比较，对所提出的识别政治广告的方法进行深入评估。最后，我们部署了一个真实的系统，显示与政治相关的广告。我们注意到，并非我们检测到的所有政治广告都出现在Facebook广告库中的政治广告中。我们的研究结果强调了宣布政治广告的执行机制的重要性和独立审计平台的必要性。
2020-01-31 cs.AI cs.CY cs.SI
Facebook Political Ads And Accountability: Outside Groups Are Most Negative, Especially When Hiding Donors
本研究分析2018年Facebook上43万余条FEC注册广告商的政治广告，发现暗钱支持的外部团体广告最负面，且暗钱与广告情绪显著下降相关，凸显政治言论问责对广告基调的重要性。
2024-01-26 cs.CY cs.SI
Facebook Ads: Politics of Migration in Italy
有针对性的在线广告是政治传播的前沿，允许围绕选举和问题进行超本地广告活动。在这项研究中，我们采用了一种新的政治广告监测资源-Facebook广告库-来研究有关意大利移民问题的广告。这是意大利政治中的一个重要话题，最近成为几个民粹主义运动的焦点，其中一些运动将社交媒体作为选民参与的有力工具。事实上，我们发现了双方在地理和人口统计（年龄和性别）方面都有针对性的证据。例如，五星运动在关于移民的广告中接触到更年轻的受众，而其他政党在这个问题上的广告中有更多的男性受众。我们还注意到选举前后的广告量显著上升，并转向更广泛的受众。因此，我们说明了政治广告的目标，可能会对公众舆论的一个话题，涉及潜在的弱势群体的影响，并敦促研究界包括在线广告在公共话语的监测。
2020-10-09 cs.CY
Detecting and Enhancing Intellectual Humility in Online Political Discourse
Northeastern University（东北大学）；Dartmouth College（达特茅斯学院）；Oakland University（奥克兰大学）；University of Washington（华盛顿大学）
本文研究在线政治讨论中智力谦逊的检测与增强，通过分析Reddit帖子数据，开发分类器以评估不同讨论环境中的智力谦逊水平，并通过随机对照试验验证增强策略。
2026-04-14 cs.CY
The direct democracy paradox: Microtargeting and issue ownership in Swiss online political ads
ETH Zürich（苏黎世联邦理工学院）
本文研究瑞士社交媒体政治广告中的微目标营销与议题所有权，揭示了算法影响对直接民主的潜在威胁。
2026-01-20 cs.CY cs.SI
Political advertisement on Facebook and Instagram in the run up to 2022 Italian general election
在线社交平台上的定向广告在政治营销工具包中变得越来越重要。监测政治广告对于确保民主进程的问责制和透明度至关重要。利用赞助内容的Meta公共图书馆，我们研究了在2022年意大利大选之前，Facebook和Instagram上投放政治广告的程度。分析超过2.7 K独立赞助商支付的23 K独立广告，相关金额为4 M欧元，产生的浏览量超过10亿次，我们调查了主要联盟的政治竞选活动的时间，地理和人口模式。我们发现的结果是根据他们的政治议程和选举结果，强调如何最活跃的联盟也获得了大部分的选票，并显示区域差异是一致的（目标）每个团体的政治基础。我们的工作引起了人们对进一步研究数字广告及其对个人意见和选择的影响的关注。
2023-02-08 cs.CY cs.SI
Fairness as Equality of Opportunity: Normative Guidance from Political Philosophy
New York University（纽约大学）
最近的兴趣编纂的公平性在自动决策系统（ADS），导致了广泛的配方是什么意思的算法系统是公平的。这些主张大多受到政治哲学学术的启发，但没有充分地扎根于政治哲学学术。本文旨在纠正这一缺陷。我们引入了一个公平理想的分类法，从政治哲学的机会均等（EOP）的原则，澄清他们的哲学概念和公平机器学习的建议编纂。我们安排这些公平的理想上的EOP频谱，这是一个有用的框架，以指导设计一个公平的ADS在给定的上下文中。我们使用我们的公平作为EOP框架，重新解释不可能的结果从哲学的角度来看，不同的价值体系之间的不兼容性，并展示了几个现实世界和假设的例子的框架的效用。通过我们的EOP框架，我们希望从道德和政治哲学的角度回答ADS公平意味着什么，并为道德和法律专家的类似奖学金铺平道路。
2021-06-15 cs.AI cs.CY cs.LG
Clandestino or Rifugiato? Anti-immigration Facebook Ad Targeting in Italy
监测围绕有争议问题的广告宣传是确保政治进程问责制和透明度的重要步骤。为此，我们使用Facebook广告库收集了意大利一年内2312个与移民相关的广告活动。我们的亲移民和反移民分类器（F1=0.85）揭示了意大利主要政党之间的党派分歧，反移民广告占近1500万的印象。虽然占所有移民相关广告的47.6%，但反移民广告获得了65.2%的印象。我们估计，在所有捕获的广告活动中，约有三分之二使用了某种按位置、性别或年龄划分的人口统计目标。我们发现年龄和性别的差异很大：例如，来自主要政党的反移民广告被男性用户看到的可能性比女性高17%。与支持移民的政党不同，我们发现反移民的政党与他们自己的选民有相似的人口统计。然而，他们的受众会随着话题的变化而变化：当广告谈到移民时，男性用户看到反移民政党广告的可能性比没有移民的广告高24%。此外，这类广告的收视率倾向于跟随移民问题主流新闻的数量，这支持了政治广告商试图“驾驭”当前新闻的理论。最后，我们总结了政治传播的政策含义：由于Facebook广告库不允许区分广告商的意图和算法定位，我们认为平台应该分享更多关于社会政治活动的定位配置的细节。
2021-03-16 cs.CY cs.SI
Weakly Supervised Learning for Analyzing Political Campaigns on Facebook
Purdue University（普渡大学）
本文提出一种弱监督方法，用于识别 Facebook 政治广告的立场与议题，分析其人口统计定位策略，并探讨政治广告对选举民调的时间动态影响。
2023-05-09 cs.AI cs.CL cs.CY
Detecting and Tracking the Spread of Astroturf Memes in Microblog Streams
在线社交媒体正在补充并在某些情况下取代人与人之间的社交互动，并重新定义信息的传播。特别是，微博已经成为公共关系、市场营销和政治斗争的重要阵地。我们引入了一个可扩展的框架，将使在社交媒体中的模因扩散的实时分析，挖掘，可视化，映射，分类和建模的公共微博事件的大规模流。我们描述了一个Web服务，利用这个框架来跟踪Twitter中的政治模因，并帮助检测美国政治选举背景下的astroturfing，诽谤活动和其他错误信息。我们提出了一些滥用行为的情况下发现我们的服务。最后，我们讨论了有前途的初步结果，通过监督学习的基础上提取的扩散网络的拓扑结构，情感分析，和众包注释的特征检测可疑模因。
2010-11-16 cs.CY cs.SI
How Do US Congress Members Advertise Climate Change: An Analysis Of Ads Run On Meta's Platforms
本研究使用Meta的Ad Library分析美国国会议员自2018年中期以来的气候相关广告，发现民主党投放了绝大多数此类广告，而共和党在相同花费下平均展示量高出188%，揭示了政党间的广告特征差异。
2023-04-06 cs.CY cs.SI
Detecting Synthetic Political Narratives in Cross-Platform Social Media Discourse
Institute of Computer Science, Foundation for Research and Technology（计算机科学研究所，希腊研究与技术基金会）；Technical University of Crete（希腊克里特技术大学）
本文提出了一种跨平台框架，通过四个协调信号（词汇多样性、时间爆发性、修辞重复和语义同质性）组合成合成叙述协调评分SNC(C)，以检测合成政治叙述，研究发现IntelSlava在四个事件窗口中排名第一，而Rybar尽管语义同质性高但因语言差异导致表现不佳。
2026-05-20 cs.AI cs.CL cs.CY
Beyond content analysis: Detecting targeted ads via distributed counting
能够检查在线广告是否有针对性对于解决隐私争议和在实践中实施GDPR、CCPA和COPPA等数据保护法规至关重要。在本文中，我们描述了一个名为iWnder的广告审计系统的设计、实现和部署，该系统使用众包来实时的揭示显示广告是否有针对性。众包简化了目标广告的检测，但需要向中央存储库报告不同用户看到的印象，从而危及他们的隐私。我们打破这种僵局与隐私保护数据共享协议，允许iWnder计算所需的全球统计数据来检测目标，同时保持广告看到的个人用户和他们的浏览历史隐私。我们进行了模拟研究，以探索不同参数的影响和现场验证，以证明我们的方法的准确性。与以前的解决方案不同，iWnder甚至可以检测间接目标，即，推销产品或服务的营销活动，其描述与目标受众没有语义重叠。
2019-07-23 cs.CY
Adaptively selecting occupations to detect skill shortages from online job ads
劳动力需求和技能短缺历来难以评估，因为进行代表性调查的成本很高，而且这些指标本身存在延迟。这对于快速发展的技能和职业尤其重要，例如与数据科学和分析（DSA）相关的技能和职业。本文开发了一种数据驱动的解决方案，用于从在线招聘广告（ads）数据中检测技能短缺。首先，我们提出了一种方法来生成一组高度相似的技能的基础上，从招聘广告的种子技能。这为研究人员提供了一种基于粒度技能数据自适应选择职业的新方法。接下来，我们将这种自适应技能相似性技术应用于超过670万澳大利亚招聘广告的数据集，以确定DSA技能比例最高的职业。这揭示了2012-2019年23个职业类别的306，577个DSA招聘广告。最后，我们提出了五个变量来检测在线招聘广告中的技能短缺：（1）发布频率;（2）工资水平;（3）教育要求;（4）经验要求;（5）招聘广告发布的可预测性。这为实现实时检测技能短缺的目标提供了进一步的证据。在进行这项分析时，我们还发现了澳大利亚高技术DSA技能和职业技能短缺的有力证据。这些结果为来自其他发达经济体的数据科学研究人员、教育工作者和政策制定者提供了关于应培养何种技能以满足未来不断增长的DSA劳动力需求的见解。
2019-11-14 cs.CY
Careful About What App Promotion Ads Recommend! Detecting and Explaining Malware Promotion via App Promotion Graph
本文提出 ADGPE 方法，结合 UI 探索与图学习，自动收集 App 推广广告并检测恶意软件及解释其推广机制，评估表明该生态系统存在重大风险。
2025-01-17 cs.CR cs.CY
Political Advertising on Facebook During the 2022 Australian Federal Election: A Social Identity Perspective
The University of Queensland（昆士兰大学）
利用Meta广告库分析2022年澳大利亚联邦选举期间Facebook和Instagram上的政治广告，基于社会认同理论揭示主要政党在支出、覆盖、人口统计和地理定位上的差异，以及不同说服策略。
2025-11-16 cs.CY
How Algorithms Shape the Distribution of Political Advertising: Case Studies of Facebook, Google, and TikTok
在线平台通过影响向选民传播政治信息，在塑造民主方面发挥着越来越重要的作用。近年来，政治竞选活动在平台的算法工具上投入了大量资金，通过在线广告瞄准选民。虽然公众对了解平台如何履行塑造政治话语的任务的兴趣从未如此之高，但主要平台为了解其做法而进行必要披露的努力却少得可怜。在这项研究中，我们收集和分析了一个数据集，其中包含来自Facebook、谷歌和TikTok的关于2020年美国总统大选的80多万个广告和250万个视频。我们对公共数据进行了首次大规模数据分析，以批判性地评估这些平台如何放大或缓和政治广告的传播。最后，我们提出了如何改善披露的建议，以便公众能够追究平台和政治广告商的责任。
2022-07-13 cs.CY cs.HC cs.SI
On the Use of Proxies in Political Ad Targeting
本文通过分析2022年美国中期选举前的Facebook政治广告数据，揭示广告主利用看似无害的代理属性规避平台对政治、宗教和族裔定向的限制，并提出量化代理属性偏斜程度的新方法，为政治广告监管和透明度讨论提供关键证据。
2024-10-18 cs.CY cs.HC cs.SI
Detecting Fake News Using Machine Learning : A Systematic Literature Review
Jiujiang University（九江学院）；University of Central Asia（中亚大学）；UST-Global, Inc.（UST-Global公司）；Monta Vista High School（蒙塔维斯塔高中）
互联网是一项重要的发明，有大量的人是它的用户。这些人将其用于不同的目的。这些用户可以访问不同的社交媒体平台。任何用户都可以通过在线平台发布或传播新闻。这些平台不会验证用户或他们的帖子。因此，一些用户试图通过这些平台传播假新闻。这些新闻可以是针对个人、社会、组织或政党的宣传。一个人无法发现所有这些假新闻。因此，需要机器学习分类器来自动检测这些假新闻。本系统性文献综述描述了使用机器学习分类器检测假新闻。
2021-02-08 cs.CY cs.LG
Wide-AdGraph: Detecting Ad Trackers with a Wide Dependency Chain Graph
Isfahan University of Technology（伊斯法罕理工大学）；University of Savoie Mont Blanc（萨瓦大学）；Chavoosh ICT（查沃什信息技术公司）
网站使用第三方广告和跟踪服务来提供有针对性的广告并收集有关访问它们的用户的信息。这些服务将用户的隐私置于危险之中，这就是为什么用户对阻止这些服务的需求越来越大。大多数屏蔽解决方案都依赖于由大型用户社区手动维护的众包过滤器列表。在这项工作中，我们试图简化这些过滤器列表的更新，通过一个大规模的图形连接在一个大的网站集的所有资源请求，结合不同的网站。该图的特征被提取并用于训练机器学习算法，其目的是检测广告和跟踪资源。由于我们的方法结合了不同的信息源，它对使用混淆或改变使用模式的规避技术更鲁棒。我们在Alexa前10K网站上评估了我们的工作，发现其准确率为96.1%有偏差，90.9%无偏差，具有高精度和召回率。它还可以阻止新的广告和跟踪服务，这将需要通过进一步的众包现有过滤器列表来阻止。此外，本文采用的方法揭示了第三方跟踪和广告的生态系统。
2021-05-10 cs.CR cs.CY cs.LG
Towards Detecting Persuasion on Social Media: From Model Development to Insights on Persuasion Strategies
University of Queensland（昆士兰大学）；The Chinese University of Hong Kong（香港中文大学）
本文通过开发轻量级说服文本检测模型（在SemEval 2023任务3子任务3中达到最优性能）并应用于澳大利亚联邦选举2022 Facebook广告数据集，揭示了政治竞选在不同资金策略、词汇选择、人口统计定位和选举临近时说服强度时间变化中的模式。
2025-07-23 cs.AI cs.CL cs.CY
FASCIST-O-METER: Classifier for Neo-fascist Discourse Online
Universtät Hamburg（汉堡大学）
本研究提出美国语境下首个新法西斯数字话语编码方案，基于Iron March、Stormfront.org论坛的千条标注帖子微调SLMs与LLMs，构建首批新法西斯话语分类模型，为打击在线新法西斯言论提供技术支撑。
2025-06-12 cs.CL cs.CY
Detecting and Reasoning of Deleted Tweets before they are Posted
Qatar Computing Research Institute（卡塔尔计算研究所）；Hamad Bin Khalifa University（哈马德·本·哈利法大学）
本研究针对阿拉伯语推文，识别被删除内容并标注细粒度虚假信息类别，开发预测删除可能性及原因的模型，以支持发布前的内容审核。
2023-05-05 cs.AI cs.CL cs.CY
