.png){kind=icon}
返回
An Improved DBSCAN Clustering Algorithm for Bot Detection on Twitter
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-07244-3_1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
推特机器人面临对社会有害攻击的挑战。获取用于监控机器人检测的标签数据既困难又耗时。本研究提出了一种创新的非监督聚类方法，利用未标记数据有效识别推特机器人。主要目标是建立一个可靠的系统能够正确检测机器人，从而减少错误信息并改善在线聊天。所提出的技术考虑了多个重要因素，包括准确性、计算复杂度和延迟处理。该系统包括特征提取和机器人预测步骤，采用自适应DBSCAN算法。为验证技术效果，研究采用了多种评估指标，如同质性（0.988）、完整性（0.989）、V度量（0.989）、调整兰德指数（0.996）、调整互信息（0.989）、轮廓系数（0.786）和Fowlkes Mallow得分（0.998）。结果表明，有效标记推特数据是可能的，并提供了一种实用且经济高效的方法来促进技术和机器人身份的成功。这项研究强调了整合多种非监督算法对特征提取、降维和改进机器人检测的重要性。这为社会媒体中的机器人检测和分析做出了重要贡献，并为分析推特数据创造了广泛的机会。
Keyword:
Twitter Bot
Unsupervised Machine Learning
KNN
DBSCAN
Stream K-means
Feature Extraction
期刊
C
IF:
0
论文数:
23
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏
查看更多内容