You are a Bot! -- Studying the Development of Bot Accusations on Twitter
本文首次大规模研究 Twitter 上的机器人指控，发现“机器人”一词主要被用于否定对话者的人性而非准确识别自动化账号，因此不应将此类指控作为训练或测试机器人检测模型的可靠信号。
2024-03-31 cs.CY cs.SI
Lexical analysis of automated accounts on Twitter
近年来，社交机器人一直在使用越来越复杂、具有挑战性的检测策略。虽然已经提出了许多方法和功能，但社交机器人逃避检测并与人类进行交互，这使得很难区分真正的人类帐户和机器人帐户。对于检测系统，已经利用了账户简档、推文内容、网络和时间模式等更广泛类别下的各种特征。推文内容特征的使用仅限于分析基本术语，如URL、主题标签、名称实体和情感。给定一组没有明显模式的推文内容，我们能否区分社交机器人产生的内容和人类产生的内容？我们的目标是通过使用大量不同的数据集来分析各个账户产生的推文的词汇丰富性来回答这个问题。我们的研究结果表明，两个类之间的词汇多样性，词汇复杂性和表情符号的分布有明显的差距。我们发现，所提出的词汇功能显着提高分类两种帐户类型的性能。这些特征对于训练标准机器学习分类器以有效检测社交机器人账户是有用的。一个新的数据集免费提供给进一步的探索。
2018-12-19 cs.SI
Predicting Twitter User Socioeconomic Attributes with Network and Language Information
University of Sheffield（谢菲尔德大学）；Imperial College London（伦敦帝国理工学院）
社会媒体用户的社会经济属性（如职业和收入）的推断是计算社会科学中的一个重要问题。这些特征的自动推理在个性化推荐系统、有针对性的计算广告和在线政治竞选中有应用。虽然以前的工作已经表明，语言特征可以可靠地预测Twitter上的社会经济属性，但尚未针对如此复杂的用户特征探索使用来自用户社交网络的信息。在本文中，我们描述了一种方法，用于预测职业类和收入的Twitter用户给定的信息提取从他们的扩展网络通过学习低维向量表示的用户，即图嵌入。我们使用这种表示来训练职业类别和收入的预测模型。两个公开数据集的结果表明，我们的方法在这两个任务中始终优于最先进的方法。当我们将图嵌入与文本特征相结合时，我们还获得了进一步的显着改进，表明社交网络和语言信息是互补的。
2018-04-11 cs.AI cs.CL cs.SI
Political Elections Under (Social) Fire? Analysis and Detection of Propaganda on Twitter
对许多人来说，社交网络已成为新闻的主要来源，尽管所提供信息的正确性及其可信度往往不清楚。2016年美国总统大选的调查揭露了旨在影响一般政治舆论的外部竞选活动的存在。在本文中，我们调查是否可以观察到类似的政治选举的影响，以及在欧洲。为此，我们以过去的德国联邦选举为指标，并根据268天的数据检查Twitter上的宣传。我们发现，来自美国竞选团队的79名巨魔也在德国联邦选举中传播右翼观点。此外，我们还开发了一个用于发现自动化行为的检测器，使我们能够识别2，414个以前未知的机器人。
2019-12-09 cs.CR cs.SI
Towards Automatic Bot Detection in Twitter for Health-related Tasks
University of Pennsylvania（宾夕法尼亚大学）；Emory University（埃默里大学）
随着越来越多地使用社交媒体数据进行健康相关研究，来自此来源的信息的可信度受到质疑，因为这些帖子可能来自自动账户或“机器人”。虽然已经提出了自动机器人检测方法，但还没有对发布健康相关信息的用户进行评估。在本文中，我们扩展了现有的机器人检测系统，并将其定制为与健康相关的研究。使用Twitter用户的数据集，我们首先表明，该系统，这是专为政治机器人检测，当应用于健康相关的Twitter用户表现不佳。然后，我们结合了额外的功能和统计机器学习分类器，以显着提高机器人检测性能。我们的方法获得的F_1得分为0.7的“机器人”类，代表0.339的改进。我们的方法是可定制的和可推广的机器人检测在其他健康相关的社交媒体队列。
2019-09-29 cs.CL cs.SI
Where in the World are You? Geolocation and Language Identification in Twitter
毫无疑问，思想和内容在不同地点和语言之间的流动是信息时代研究人员的关键问题，Twitter已经成为数亿人分享知识和信息的中心全球平台。各种研究试图从推文中获取位置和语言元数据，以了解与每天通过该平台的3亿条推文相关的重要问题。然而，这项工作的大部分是在对如何最好地利用产生信息的空间和语言背景的理解有限的情况下进行的。此外，标准的、广为接受的做法尚未出现。因此，本文研究了用于确定Twitter内容的语言和位置的关键方法的可靠性。它将三个自动语言识别包与Twitter的用户界面语言设置和人类语言编码进行比较，以识别常见的分歧来源。该文件还表明，在许多情况下，用户输入的配置文件的位置不同于用户实际上是从鸣叫的物理位置。因此，这些开放式的、用户生成的个人资料位置不能用作向Twitter发布信息的物理位置的有用代理。
2013-08-03 cs.CY cs.SI
COVID-19's (mis)information ecosystem on Twitter: How partisanship boosts the spread of conspiracy narratives on German speaking Twitter
2019年末，百年来最严重的疫情开始在全球蔓延。此后，与SARS-CoV-2相关的不确定性状态在社交媒体上引发了关于COVID-19的起源、传播、医疗和疫苗接种的阴谋论。利用社交媒体情报来监测和了解阴谋叙事的扩散是分析关于大流行病的错误信息分布的一种方法。我们分析了超过950万条关于COVID-19的德语推文。结果显示，所有这些推文中只有约0.6%涉及阴谋论叙事。我们还发现，用户的政治取向与用户传播阴谋叙事的内容量相关，这意味着党派传播者有更高的动机参与Twitter上的阴谋讨论。最后，我们发现，与其他研究相反，自动账户不会显著影响德语Twitter领域错误信息的传播。他们只占我们数据库中所有阴谋相关活动的1.31%。
2020-09-27 cs.SI
Detecting Anti-Vaccine Users on Twitter
USC Information Sciences Institute（南加州大学信息科学研究所）
最近由在线叙事驱动的疫苗犹豫，大大降低了疫苗接种策略的有效性，例如COVID-19疫苗。尽管医学界对现有疫苗的安全性和有效性达成了广泛共识，但大量社交媒体用户继续被有关疫苗的虚假信息所淹没，并犹豫不决或不愿意接种疫苗。这项研究的目的是通过开发一个能够自动识别负责传播反疫苗叙述的用户的系统，更好地了解反疫苗情绪。我们引入了一个公开可用的Python包，该包能够分析Twitter个人资料，以评估该个人资料在未来分享反疫苗情绪的可能性。该软件包使用文本嵌入方法、神经网络和自动数据集生成来构建，并在数百万条推文上进行训练。我们发现这个模型可以在反疫苗用户发布反疫苗标签或关键词之前准确检测他们长达一年。我们还展示了文本分析如何通过检测Twitter上的反疫苗传播者和普通用户之间的道德和情感差异来帮助我们理解反疫苗讨论的例子。我们的研究结果将帮助研究人员和政策制定者了解用户如何成为反疫苗以及他们在Twitter上讨论的内容。政策制定者可以利用这些信息开展更有针对性的运动，揭穿有害的反疫苗接种神话。
2022-11-04 cs.CL cs.SI
Do you really follow them? Automatic detection of credulous Twitter users
在线社交媒体代表了一个无处不在的信息来源，能够接触到大量的受众。可悲的是，最近的研究表明，在线社交机器人（自动化的，通常是恶意的帐户，填充社交网络并模仿真正的用户）能够以数量级放大（虚假）信息的传播。使用Twitter作为基准，在这项工作中，我们专注于我们定义的轻信用户，即，人工操作的账户，其追随者中机器人的比例很高。由于更容易受到社交机器人的有害活动的影响，轻信的用户可能会比其他用户受到更大的影响;更糟糕的是，尽管他们在不知不觉中，他们可能会成为误导性信息的传播者（例如，通过转发机器人）。我们设计和开发了一个监督分类器，自动识别轻信用户。最好的测试配置实现了93.27%的准确度和0.93的AUC-ROC，从而产生了积极和令人鼓舞的结果。
2019-09-09 cs.CY cs.SI
Understanding the Cryptocurrency Free Giveaway Scam Disseminated on Twitter Lists
本文提出全自动检测系统 GiveawayScamHunter，分析 Twitter 列表上的加密货币免费赠送骗局，揭示其传播策略、规模及造成的经济损失。
2023-08-10 cs.CR cs.SI
Unsupervised detection of coordinated fake-follower campaigns on social media
本文提出一种无监督检测方法，通过识别社交媒体账户粉丝中的异常关注模式来发现协同虚假粉丝活动，并在Twitter数据上验证了其有效性和计算效率。
2023-10-31 cs.CY cs.SI
Multi-Class and Automated Tweet Categorization
DHA Suffa University（DHA苏法大学）
Twitter是世界上最流行的社交媒体平台之一，有数百万人使用。它用于表达关于政治，社会，商业，体育，健康，宗教和其他各种类别的想法和意见。这里报告的研究旨在从文本中检测推文类别。当文本仅由140个字符组成时，它变得非常具有挑战性，充满了噪音。使用文本挖掘或自然语言处理（NLP）和机器学习（ML）技术将推文分类为12个指定类别。据观察，Twitter提供了大量的趋势主题，但要找出这些趋势主题是关于什么的，确实具有挑战性。因此，对于大量的信息抽取任务来说，自动将推文分类为一般类别是非常关键的。通过组合具有不同类别识别复杂度水平的两种不同性质的数据集来构建大数据集。专家们根据适当的准则对它进行了注释，以提高质量和高一致性值。这使得所提出的模型非常强大。各种类型的ML算法被用来训练和评估所提出的模型。这些模型分别在三个数据集上进行了探索。研究表明，数据集的性质是高度非线性的，因此复杂或非线性模型的性能更好。命名为梯度提升的最佳集成模型实现了85%的AUC评分。这比其他相关研究要好得多。
2021-11-13 cs.CL cs.SI
Seeing and Believing: Evaluating the Trustworthiness of Twitter Users
Tampere University（坦佩雷大学）
社交网络和微博客服务，如Twitter，在分享数字信息方面发挥着重要作用。尽管社交媒体很受欢迎，也很有用，但在许多情况下，腐败的用户找到了滥用它的方法，例如，通过提高或降低用户的可信度。因此，虽然社交媒体为获取信息提供了前所未有的便利，但它也带来了新的挑战--确定共享信息的可信度。目前，还没有自动化的方法来确定哪些新闻或用户是可信的，哪些是不可信的。因此，建立一个可以衡量社交媒体用户可信度的系统已经成为一个非常重要的问题。对用户的可信度评分不仅引起了研究界的兴趣，也引起了双方大多数大公司的兴趣-例如Facebook，在行业方面，以及社会方面的政党。在这项工作中，我们创建了一个模型，我们希望它最终将促进和支持社交网络社区中信任的增加。我们的模型收集了数据，并分析了Twitter上约50，000名政客的行为。根据几个选定的功能，影响力得分，分配给每个评估用户。此外，我们使用随机森林，多层感知器，和支持向量机的政治Twitter用户分为信任或不信任。一个主动学习模型被用来从我们的数据集中分类任何未标记的模糊记录。最后，为了衡量所提出的模型的性能，我们使用精度，召回率，F1得分，和准确率作为主要的评估指标。
2021-07-22 cs.CY cs.LG cs.SI
The Role of Follow Networks and Twitter's Content Recommender on Partisan Skew and Rumor Exposure during the 2022 U.S. Midterm Election
本研究利用自动化账户分析Twitter算法推荐与关注网络在2022年美国中期选举中对党派偏差和谣言暴露的影响，发现算法信息流减少左倾账户的选举内容并偏向右倾来源，且社交网络党派构成比算法影响更大。
2025-09-11 cs.CY cs.SI
A Behavioural Analysis of Credulous Twitter Users
本文以 Twitter 为基准，通过详细的特征分析改进了轻信型用户（即关注大量机器人的真实账户）的分类任务，发现简单轻量级特征对检测至关重要，并揭示这类用户更易放大机器人内容，有助于监测虚假信息传播。
2025-11-04 cs.SI
Characterizing the roles of bots during the COVID-19 infodemic on Twitter
信息流行病是一种新兴的现象，是由网上过多的信息造成的。这种信息的扩散使得公众很难区分值得信赖的新闻和可信的信息与不值得信赖的网站和不可信的来源。随着COVID-19大流行和机器人（即，由一组算法控制的自动账户），这些账户被怀疑传播信息流行病。尽管之前的研究表明，机器人在重大政治事件中传播错误信息方面发挥了核心作用，但机器人在信息流行期间的行为尚不清楚。本文通过分析转发网络和转发项目，研究了机器人在COVID-19信息流行病以及“5G”和“比尔·盖茨”阴谋论等不可信信息以及与“特朗普”和“世卫组织”相关的内容传播中的作用。我们展示了他们的转发网络的隔离拓扑结构，这表明右翼自媒体账户和阴谋论者可能会导致这种意见分歧，而恶意机器人可能会放大不可信信息的传播。虽然信息扩散的基本影响在人类用户中可能比机器人更大，但在信息流行的情况下，机器人的影响是不可忽视的。
2021-08-19 cs.CY cs.SI
Retrieving false claims on Twitter during the Russia-Ukraine conflict
如今，社交媒体上的虚假和未经证实的信息在重大地缘政治事件中动摇了个人的看法，并威胁到整个数字信息生态系统的质量。自俄罗斯入侵乌克兰以来，几个事实核查组织一直积极参与核实网上流传的与冲突有关的故事。在本文中，我们利用一个经过事实核查的公共声明库来构建一个方法框架，用于自动识别2022年2月在Twitter上传播的虚假和未经证实的声明。我们的框架由两个顺序模型组成：首先，索赔检测模型确定在我们的集合中考虑的推文中是否包含（虚假）索赔。然后，索赔检索模型通过根据其与输入推文的相关性对经验证的索赔进行排名来将推文与经事实检查的信息进行匹配。这两个模型都是基于预先训练的语言模型，并分别进行了微调，以执行文本分类任务和信息检索任务。特别是，为了验证我们方法的有效性，我们考虑了入侵第一周在Twitter上传播的83个经过验证的虚假声明，并根据他们报告的声明手动注释了5，872条推文。我们的实验表明，我们提出的方法优于标准基线索赔检测和索赔检索。总的来说，我们的研究结果突出了社交媒体提供商如何有效地利用半自动化方法来识别、跟踪并最终缓和在其平台上传播的虚假信息。
2023-03-17 cs.SI
A Network Topology Approach to Bot Classification
自动社交代理或机器人越来越成为社交媒体平台上的一个问题。有越来越多的文献和多种工具来帮助检测在线社交网络平台上的此类代理。我们建议，用户的社交网络拓扑结构将足以确定用户是一个自动代理或人类。为了测试这一点，我们使用了一个公开的数据集，其中包含Twitter上标记为自动社交代理或人类的用户。使用无监督的机器学习方法，我们获得了70%的检测准确率。
2018-09-17 cs.SI physics.soc-ph
Theory-Driven Automated Content Analysis of Suicidal Tweets : Using Typicality-Based Classification for LDA Dataset
这项研究提供了一个方法框架，计算机分类推文根据变量的计划行为理论。我们提出了一个自动文本分析的顺序过程，它结合了监督的方法和无监督的方法，以使计算机检测TPB变量在每个鸣叫。我们进行了潜在狄利克雷分配（LDA），最近邻，然后评估新标记的推文的“典型性”，以预测分类边界。此外，本研究报告的结果，从内容分析的自杀相关的推文，确定在Twitter的信息环境的特点。与现存的关于自杀报道的文献一致，研究结果表明，推文通常包含提示自杀行为控制的信息，而很少提供有关自杀的威慑信息。最后，我们强调方法的进步和实证理论研究的影响。
2018-08-24 cs.SI
Detecting the Presence of COVID-19 Vaccination Hesitancy from South African Twitter Data Using Machine Learning
本研究对3万条南非推文进行情感分析，对比LSTM、SVM、BERT等模型在检测COVID-19疫苗犹豫上的表现，发现BERT和RoBERTa的F1分数最高（60%和61%），并利用LDA对错分推文进行主题建模以探索改进方向。
2023-07-12 cs.CL cs.CY cs.LG
On Early-stage Debunking Rumors on Twitter: Leveraging the Wisdom of Weak Learners
L3S Research Center（L3S研究中心）；Leibniz Universität Hannover（汉诺威莱布尼茨大学）；SAP S/4 Hana Cloud Foundation（思爱普S/4 Hana云基金会）
本文提出利用卷积神经网络学习单条推文可信度并聚合为整体事件可信度，再结合时间序列分类模型，显著提升Twitter上谣言最初几小时内的早期检测性能。
2024-04-09 cs.LG cs.SI
Simplistic Collection and Labeling Practices Limit the Utility of Benchmark Datasets for Twitter Bot Detection
Massachusetts Institute of Technology（麻省理工学院）
该研究指出Twitter机器人检测基准数据集的高性能源于收集标注局限而非工具先进，简单浅层决策树即可达近最优性能，且数据集泛化性差，对相关研究的透明度与偏差问题有重要启示。
2023-05-01 cs.LG cs.SI
AMIR: Automated MisInformation Rebuttal -- A COVID-19 Vaccination Datasets based Recommendation System
School of Artificial Intelligence Bennett University（贝内特大学人工智能学院）；College of Computing and Data Science Nanyang Technological University（南洋理工大学计算与数据科学学院）；Institute of Computer Science University of Tartu（塔尔图大学计算机科学研究所）
本研究提出AMIR系统，利用社交媒体和事实核查数据集，实现针对COVID-19疫苗相关推文的大规模自动化错误信息驳斥，作为错误信息缓解的概念验证。
2024-07-26 cs.AI cs.IR cs.SI
Automated Fake News Detection using cross-checking with reliable sources
Sharif University of Technology（谢里夫理工大学）
在过去的十年里，假新闻和错误信息已经成为一个重大问题，影响了我们生活的各个方面，包括政治和公共卫生。受自然人类行为的启发，我们提出了一种自动检测假新闻的方法。人类的自然行为是用可靠的来源交叉检查新信息。我们使用自然语言处理（NLP）并构建了一个机器学习（ML）模型，该模型可以自动交叉检查新信息与一组预定义的可靠来源。我们为Twitter实现了这一点，并构建了一个标记虚假推文的模型。具体来说，对于给定的推文，我们使用其文本从可靠的新闻机构中查找相关新闻。然后，我们训练一个随机森林模型，该模型检查推文的文本内容是否与可信新闻一致。如果不是，则该推文被归类为虚假。这种方法通常可以应用于任何类型的信息，而不限于特定的新闻故事或信息类别。我们的这种方法的实现提供了一个$70\%$的准确性，优于其他通用的假新闻分类模型。这些结果为更明智和自然的假新闻检测方法铺平了道路。
2022-01-01 cs.CL cs.SI physics.soc-ph
Real-time Road Traffic Information Detection Through Social Media
Georgia Institute of Technology（佐治亚理工学院）
在目前的研究中，提出了一种机制，从互联网上的文本数据中提取交通相关的信息，如拥塞和事件。目前的数据来源是Twitter。由于所考虑的数据在大小上非常大，因此开发了自动化模型以实时的【形】流式传输、下载和挖掘数据。此外，如果任何推文都有与流量相关的信息，那么模型应该能够推断和提取这些数据。目前，该数据仅针对美国收集，共提取了120，000条地理标记的交通相关推文，同时检索了600万条地理标记的非交通相关推文，并训练了分类模型。此外，这些数据还用于各种空间和时间分析。提出了一种计算美国城市交通拥堵、安全和交通感知水平的机制。交通拥堵和安全的各个城市地区的排名，然后他们与现有的广泛采用的排名进行统计验证。交通感知描述了人们对交通的态度和感知。还可以看出，交通相关数据在空间和时间上可视化时提供了与各个城市区域的实际交通流量相同的模式。当在城市级别可视化时，可以清楚地看到推文的流动类似于车辆的流动，并且与交通相关的推文代表城市内的交通。与所有的研究结果在当前的研究中，它表明，大量的交通相关的信息可以从Twitter和互联网上的其他来源提取。此外，Twitter和这些数据源是免费提供的，不受空间和时间限制。也就是说，哪里有用户，哪里就有数据的潜力。
2018-01-16 cs.AI cs.CL cs.CY
Reuters Tracer: Toward Automated News Production Using Large Scale Social Media Data
为了应对庞大的信息量并获得竞争优势，新闻行业已经开始探索和投资新闻自动化。在本文中，我们介绍了路透社跟踪器，一个系统，自动化的端到端的新闻生产使用Twitter的数据。它能够为路透社记者实时的检测、分类、注释和传播新闻，而无需人工干预。与其他类似的系统相比，Tracer是主题和领域不可知的。它采用自下而上的方法来检测新闻，并且不依赖于预定义的一组来源或主题。相反，它每天从1200多万条推文中识别新出现的对话，并选择那些类似新闻的对话。然后，它通过添加摘要和主题来将每个故事置于上下文中，评估其新闻价值，真实性，新颖性和范围，并对其进行地理标记。设计算法来生成符合路透社记者准确性和及时性标准的新闻是相当具有挑战性的。但Tracer能够在新闻检测和交付方面实现具有竞争力的精确度，召回率，及时性和准确性。在本文中，我们揭示了我们的关键算法设计和评估，帮助我们实现这一目标，以及沿途吸取的教训。
2017-11-11 cs.SI
Pareto Optimal Re-ranking with Semi-Automated Content Credibility Detection
Oden Institute for Computational Engineering and Sciences, University of Texas at Austin（德克萨斯大学奥斯汀分校奥登计算工程与科学研究所）
提出一种双目标优化方法，通过最小化斯皮尔曼脚距保持原始排序，同时最大化内容可信度，并设计半自动化管道结合检索增强与人工核查分配可信度分数，在X平台数据上实现帕累托最优前沿偏差不超过7%。
2026-06-17 cs.SI
Evaluating the Performance of Large Language Models in Scientific Claim Detection and Classification
Colorado State University（科罗拉多州立大学）
本研究评估了大型语言模型在检测和分类COVID-19相关科学声明中的性能，提出其在自动化事实核查和公共卫生传播中具有显著潜力。
2024-12-21 cs.CL cs.CY cs.LG
From Online Behaviours to Images: A Novel Approach to Social Bot Detection
Sapienza University of Rome（罗马第一大学）；IIT-CNR（意大利国家研究委员会信息学与电信研究所）
本文提出将 Twitter 账户行为序列转换为图像，并利用卷积神经网络进行社交机器人检测，在公开数据集上取得与最先进方法相当甚至更优的效果。
2023-04-15 cs.AI cs.CY cs.LG
Fairness across Network Positions in Cyberbullying Detection Algorithms
网络欺凌往往对受害者产生深刻的负面影响，已成为在线社交网络中的一个严重问题。最近，研究人员创建了自动化的机器学习算法，使用社交和文本特征来检测网络欺凌。然而，旨在抵御一种威胁（网络欺凌）的算法可能会无意中成为另一种重要威胁（自动检测算法的偏见）的牺牲品。这是加剧的事实，虽然目前的文献算法公平性有多个经验的结果，度量，和算法，用于对抗偏见立即可观察到的人口统计特征（如年龄，种族，性别），有没有努力在经验上量化的变化，算法性能的基础上的网络角色或个人的位置。我们审计现有的网络欺凌算法使用Twitter数据的差异检测性能的基础上的网络中心性的潜在受害者，然后演示如何使用均衡的赔率后处理技术，这种差异可以被反击。这些结果为更准确和公平的网络欺凌检测算法铺平了道路。
2019-05-09 cs.SI
RoGBot: Relationship-Oblivious Graph-based Neural Network with Contextual Knowledge for Bot Detection
Indian Institute of Technology Indore（印度理工学院印多尔分校）；University of Maryland, College Park, USA（美国马里兰大学学院公园分校）
针对现有机器人检测方法依赖用户关系数据的局限，提出融合文本与元数据、无需关注关系的图推理框架RoGBot，在三个基准数据集上取得高准确率。
2025-10-25 cs.AI cs.SI
