• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Поиск и обоснование новых признаков для повышения точности обнаружения твиттер-ботов на основе генетического алгоритма и наивного байесовского подхода

ФИО студента: Кисс Ирис -

Руководитель: Горбунов Александр Андреевич

Кампус/факультет: Высшая школа бизнеса

Программа: Системы больших данных (Магистратура)

Год защиты: 2021

Популярность Twitter привлекала как частные лица, так и организации. Для большей эффективности было принято использование ботов, которые генерируют и публикуют твиты в автоматизированной форме. На сегодняшний день известно, что миллионы учетных записей являются ботами, что заинтересовало исследователей в поиске способов идентификации ботов в социальных сетях. Методы идентификации различаются по своей реализации, алгоритмам и выбранным функциям. Таким образом, цель этой диссертации - найти новые характеристики, которые могут использоваться алгоритмами для улучшения обнаружения ботов социальных сетей в Twitter. Первая часть диссертации посвящена исследованию литературы, в которой представлены уже известные функции, помогающие обнаруживать ботов. Используя эти функции, была разработана модель, основанная на алгоритме Наивного Байеса. Модель используется для классификации пользователей Twitter по учетным записям на людей и ботов. В диссертации проверяется ее точность. Чтобы найти комбинацию признаков, на той же основе реализован генетический алгоритм. Также предлагаются новые функции, влияние которых проверяется на ранее достигнутую точность. В результате исследования было выявлено 35 функций, обычно используемых для обнаружения ботов. Из них комбинация из 15 достигла наивысшей точности при применении алгоритма классификации. Введение новой функции повышает точность за счет использования другой комбинации 14 выбранных функций. С целью определения, сопоставим ли достигнутый результат с другими инструментами, оценка алгоритма на другом наборе данных, чем раньше, сравнивается с «Ботометром», где последний показал несколько худшую точность, чем представленный здесь классификатор. В заключение, была обнаружена потенциально новая функция, улучшающая обнаружение ботов, которая определяется лингвистической сложностью учетной записи Twitter. Таким образом, эта функция может быть дополнительно проанализирована и впоследствии реализована с помощью уже существующих инструментов классификации ботов.

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Реестр дипломов НИУ ВШЭ