Predicting susceptibility to social bots on Twitter

Wald, Randall; Khoshgoftaar, Taghi M.; Napolitano, Amri; Sumner, Chris

doi:10.1109/iri.2013.6642447

Cited by 52 publications

(33 citation statements)

References 37 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Other teams are creating bots themselves: Tim Hwang's 22 and Sune Lehmann's i groups continuously challenge our understanding of what strategies effective bots employ, and help quantify the susceptibility of people to their influence. 35,36 Briscoe et al 8 studied the deceptive cues of language employed by influence bots. Tools like Bot or Not?…”

Section: Master Of Puppetsmentioning

confidence: 99%

The rise of social bots

et al. 2016

View full text Add to dashboard Cite

show abstract

Section: Master Of Puppetsmentioning

confidence: 99%

The rise of social bots

et al. 2016

View full text Add to dashboard Cite

show abstract

“…Bot accounts, which is a reference to the English language word robots, are characterized by automatic behavior and their purpose is varied including posting of spam, the practice of pishing through malicious links and the attempt to increase the popularity of a determined subject, brand or product. In Twitter, bots have the goal of behaving like humans to gain followers and create a network where their activities can be disseminated [20]. Thus, bots are characterized by the lack of originality, excessive automation and high presence of spam and URL links in their texts.…”

Section: Dataset Setupmentioning

confidence: 99%

User Classification on Online Social Networks by Post Frequency

Tavares

Mastelini

Sylvio

2017

Anais Do Simpósio Brasileiro De Sistemas De Informação (SBSI)

View full text Add to dashboard Cite

This paper proposes a technique for classifying user accounts on social networks to detect fraud in Online Social Networks (OSN). The main purpose of our classification is to recognize the patterns of users from Human, Bots or Cyborgs. Classic and consolidated approaches of Text Mining employ textual features from Natural Language Processing (NLP) for classification, but some drawbacks as computational cost, the huge amount of data could rise in real-life scenarios. This work uses an approach based on statistical frequency parameters of the user posting to distinguish the types of users without textual content. We perform the experiment over a Twitter dataset and as learn-based algorithms in classification task we compared Random Forest (RF), Support Vector Machine (SVM), k-nearest Neighbors (k-NN), Gradient Boosting Machine (GBM) and Extreme Gradient Boosting (XGBoost). Using the standard parameters of each algorithm, we achieved accuracy results of 88% and 84% by RF and XGBoost, respectively.

show abstract

“…Enquanto muitos estudos têm focado em detectar automaticamente usuários que são robôs [Wald et al 2013, Edwards et al 2014, neste estudo adotase uma abordagem diferente. Analisa-se um conjunto de robôs conhecidos na rede social.…”

Section: Robôs Na Rede Social Twitterunclassified

“…Eles utilizam a rede para compartilhar conteúdos sobre seus interesses e assuntos diversos. Devido à grande quantidade de usuários e de conteúdos produzidos por eles, o Twitter vem sendo objeto de diversos tipos de estudos [Cha et al 2010, Wald et al 2013, Bruns and Stieglitz 2013, Araújo et al 2013, Chae 2015.…”

Section: Introductionunclassified

“…Em alguns contextos, os usuários consideram os robôs dignos de confiança, atraentes e competentes em suas comunicações [Edwards et al 2014]. Diversos estudos têm se dedicado à identificação e análise de robôs no Twitter [Wald et al 2013, Edwards et al 2014. Apesar desse esforço, os motivos pelos quais os robôs acabam por serem seguidos e gerarem interesse em uma quantidade de usuários do Twitter ainda não estão bem definidos.…”

Section: Introductionunclassified

See 1 more Smart Citation

Análise da Popularidade, Visibilidade e Atividade de Diferentes Tipos de Robôs na Rede Social Twitter

Valgas¹,

Carmo²,

Ponciano³

et al. 2017

Anais Do XIV Simpósio Brasileiro De Sistemas Colaborativos (SBSC 2017)

View full text Add to dashboard Cite

O Twitter é uma das maiores redes sociais da atualidade. Ela é utilizada por milhões de pessoas. Além de pessoas, esta rede social também é populada por robôs, que são programas de computador que agem na rede social realizando as mesmas ações que seres humanos realizam. Neste trabalho apresenta-se uma análise de 27 robôs no Twitter com o objetivo de investigar características dos conteúdos publicados, atuação e atenção recebida por eles. Três métricas são consideradas: visibilidade, atividade e popularidade. Os robôs são analisados de forma individual e por tipo de robô, que são: informativos, inteligentes interativos e inteligentes não-interativos. Os resultados mostram que os robôs diferem muito entre eles em termos do nível de atividade. Eles também têm visibilidade e popularidade diferentes. Análises de correlação revelam que popularidade e visibilidade são características que estão fortemente correlacionadas. Robôs inteligentes interativos exibem maior nível atividade. Maior visibilidade e popularidade são obtidas por robôs informativos. Diversas implicações desses resultados são apresentadas e discutidas.

show abstract

Predicting susceptibility to social bots on Twitter

Cited by 52 publications

References 37 publications

The rise of social bots

The rise of social bots

User Classification on Online Social Networks by Post Frequency

Análise da Popularidade, Visibilidade e Atividade de Diferentes Tipos de Robôs na Rede Social Twitter

Contact Info

Product

Resources

About