文献

J-GLOBAL ID：201702225979749001   整理番号：17A1444070

性ディープ学習法に基づくツィッターにおけるスパム活性【Powered by NICT】

Detecting spamming activities in twitter based on deep-learning technique

著者 (7件)： Wu Tingmin (School of Information Technology, Deakin University, Victoria 3125, Australia) ,  Wen Sheng (School of Information Technology, Deakin University, Victoria 3125, Australia) ,  Liu Shigang (School of Information Technology, Deakin University, Victoria 3125, Australia) ,  Zhang Jun (School of Information Technology, Deakin University, Victoria 3125, Australia) ,  Xiang Yang (School of Information Technology, Deakin University, Victoria 3125, Australia) ,  Alrubaian Majed (College of Computer and Information Sciences King Saud University, Riyadh 11543, Saudi Arabia) ,  Hassan Mohammad Mehedi (College of Computer and Information Sciences King Saud University, Riyadh 11543, Saudi Arabia)
資料名： Concurrency and Computation: Practice & Experience  (Concurrency and Computation: Practice & Experience)
巻： 29  号： 19  ページ： ROMBUNNO.4209  発行年： 2017年 
JST資料番号： W2542A  ISSN： 1532-0626  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Twitterスパムは取り組むべき重要であるが困難な問題であった。これまで,研究者は,ツイッター上のスパミング活性を検出するための機械学習ベース法とblacklisting一連の手法を開発した。著者らの研究によると,現在の方法と技術は約87%の精度を達成した。しかし,スパムドリフトと情報製造の問題のために,これらの機械学習法は,実生活シナリオにおけるスパム活性を効率的に検出できない。blacklisting法もスパミング活性の変化に対応できない,手動検査疑わしいURLは非常に時間を消費した。本論文では,上記課題に対処するために性ディープ学習法に基づく新しい方法を提案した。,各ツイッターの構文はWordVectorを通して学んだと深層学習によって訓練されたであろう。スパムと規則的なツイートを区別するための二値分類器を構築した。実験では,筆者らは筆者らの提案法を評価するためにグランドトルースとして10日間実ツイートデータセットを収集し,標識した。第一系列比較の他の方法とを用いた経験的解析を受けた(1)異なる分類器の性能,(2)他の既存のテキストベース法,および(3)nontextベース検出技術。実験結果によれば,提案した方法は従来の方法よりも優れていた。さらに提案手法の優れた性能を正当化する理論的に典型的な法に主成分分析を行った。次元縮小を介した特徴の全ての種を抽出した。著者らの特徴は,すべての検出法の中で最も異なることが分かった。は,著者らの方法の優れた性能を示した。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 主成分分析 ,  機械学習 ,  *学習 ,  次元縮小 ,  検出法
準シソーラス用語： グランドトゥルース ,  二値分類 ,  深層学習 ,  構文 ,  *スパム ,  *ツイッター , 【Automatic Indexing@JST】

著者キーワード (3件)： 深い学習 ,  ソーシャルメディアセキュリティ ,  twitterスパム検出

分類 (4件)： 計算機網  (JC03000K) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  移動通信  (ND08030H)

タイトルに関連する用語 (4件)： 性 ,  ツィッター ,  スパム ,  活性