Geri Dön

Detecting and characterizing anomalous followers on social media

Sosyal medyada anormal takipçileri tespit etme ve karakterize etme

  1. Tez No: 784460
  2. Yazar: BARIŞ TEMEL
  3. Danışmanlar: YRD. DOÇ. DR. ONUR VAROL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı
  12. Bilim Dalı: Veri Bilimi Bilim Dalı
  13. Sayfa Sayısı: 85

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

  1. Yer radarı ile karstik boşluk araştırmaları

    Karstic cavity investigations with ground penetrating radar

    MEHMET TUZER

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Jeofizik Mühendisliğiİstanbul Teknik Üniversitesi

    Katı Yer Bilimleri Ana Bilim Dalı

    DOÇ. DR. ZİYADİN ÇAKIR

  2. Diyarbakır ve civarında karpuz üretim alanlarında karpuz mozaik virüs (Watermelon mosaic potyvirus, WMV)' ünün saptanması, biyolojik ve moleküler karakterizasyonu

    Detection of watermelon mosaic virus (Watermelon mosaic potyvirus, WMV), biological and molecular characterization in Diyarbakir and its surroundings

    DİLAN KONUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    ZiraatÇukurova Üniversitesi

    Bitki Koruma Ana Bilim Dalı

    PROF. DR. SAADETTİN BALOĞLU

  3. Land cover change assessment in the belek forestland with multidate satellite imagery using change vector analysis technique

    Çok zamanlı uydu görüntüleri ile belek ormanlık alanlarındaki arazi örtüsü değişiminin vektör değişim analizi yöntemi ile değerlendirilmesi

    AYDA FITRIYE AKKARTAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Uydu Haberleşmesi ve Uzaktan Algılama Ana Bilim Dalı

    PROF. DR. AYŞE FİLİZ SUNAR