Detecting and characterizing anomalous followers on social media
Sosyal medyada anormal takipçileri tespit etme ve karakterize etme
- Tez No: 784460
- Danışmanlar: YRD. DOÇ. DR. ONUR VAROL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Anomaliler, Botlar, Makine öğrenmesi, Twitter, Anomalies, Bots, Machine learning, Twitter
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Veri Bilimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu makale, hedef sosyal medya hesaplarındaki anormallikleri tespit etmeyi amaçlamaktadır. Bu konu adına yapılan önceki çalışmalar, farklı türde yöntemlerle bot tespit uygulamalarını içermektedir. Bununla birlikte, Anomali tespiti, sosyal robotları kapsayan daha genel bir çerçevedir. Anormalliklerin yakalanması, sosyal medyada görülebilen olası anormallik türlerinin belirlenmesiyle başlar. Bu çalışmada Twitter'ı hedefleyen toplu ve nokta anomali tespit türlerini ele aldık. Algoritmamız, Twitter'dan çıkarılan özellikleri ve diğer iki veya daha fazla özelliğin oranı olan sentetik olarak oluşturulmuş özellikleri içerir. Gerçek dünya örneklerini algılayabilen bir anormallik algılama yaklaşımı oluşturmak için deneyler oluşturuyoruz. Çalışmamız, deneysel bir ortamda yukarıdaki anormallik türlerini yakalayan hem denetimli hem de denetimsiz makine öğrenimi modellerine odaklandı. Bu modeller sınıflandırma algoritmaları içerir. Modelimizin deneysel olmayan bir ortam olan Twitter'da kullanılmasının yararlı olup olmayacağını anlamak için farklı senaryolar kullandık. Bu senaryoları 1%-10% arasında anomali oranı altında test ettik. Sonuç olarak, bu çalışmadaki deneylerin amacı denetimli & denetimsiz anomali tespit tekniklerinin bu anormal hesapları yakalayabildiğini göstermektir.
Özet (Çeviri)
This paper aims to detect anomalies in target social media accounts. Previous work on behalf of this topic includes bot detection applications with different types of methods. However, Anomaly detection is a more general framework that encapsulates social bots. Capturing anomalies starts with specifying possible anomaly types that can be seen in social media. In this study, we covered collective and point anomaly detection types targeting Twitter. Our algorithm includes features extracted from Twitter and synthetically created features which is the ratio of two or more other features. We create experiments to build an anomaly detection approach that can detect real-world examples. Our study focused on both supervised and unsupervised machine learning models that capture the above anomaly types in an experimental environment. These models contain classifying algorithms. We used several scenarios to understand whether our model will be useful to use in a non-experimental environment, Twitter. We tested these scenarios under an anomaly ratio between 1%-10%.In conclusion, the experiments in this study have the purpose to demonstrate the outcomes of supervised & unsupervised anomaly detection techniques can capture these anomalous accounts.
Benzer Tezler
- Characterizing performance variations of hpc systems through monitoring and unsupervised learning
Başlık çevirisi yok
GENCE ÖZER
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTechnısche Unıversıtat Munchen - Yer radarı ile karstik boşluk araştırmaları
Karstic cavity investigations with ground penetrating radar
MEHMET TUZER
Yüksek Lisans
Türkçe
2015
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiKatı Yer Bilimleri Ana Bilim Dalı
DOÇ. DR. ZİYADİN ÇAKIR
- Characterizing and detecting cohesive subgroups with applications tosocial and brain network
Yogun ve uyumlu alt grupları karakterize etme ve tespit etme, sosyal media ağları ve beyin ağlari
MAKBULE ZEYNEP ERTEM OKTAY
Doktora
İngilizce
2015
Endüstri ve Endüstri MühendisliğiTexas A&m UnıversıtyEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SERGİY BUTENKO
- Interpretation models for prostate lesion: Detecting, explaining and understanding
Prostat lezyonları için yorumlama modelleri: Tespit, açıklama ve anlama
MEHMET AKİF GÜLÜM
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUnıversıty Of LouısvılleBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMED KANTARDZIC