What is it about?
Os bots sociais, isto é, algoritmos que controlam perfis em redes sociais ou aplicativos de mensagens, estão muito presentes nas redes atualmente. Muitos destes bots são responsáveis pela proliferação de notícias falsas ou comentários de ódio. Nos últimos anos, diversas soluções foram desenvolvidas para a identificação automática desses bots. Apesar dessas soluções apresentarem resultados muito bons em seus testes, ao se utilizar o modelo de identificação em novos dados, o desempenho se reduz rapidamente. O presente trabalho testou e comparou o desempenho de algumas soluções considerando diferentes conjuntos de dados, confirmando a grande queda de desempenho ao se testar os modelos de identificação de bots em conjuntos de dados que não participaram do treinamento do modelo.
Featured Image
Photo by Adem AY on Unsplash
Why is it important?
O presente trabalho se destaca por apresentar uma análise comparativa de soluções bastante usadas para a detecção de bots. É evidenciada a perda de desempenho dessas soluções ao serem testadas em conjuntos de dados distintos daqueles usados no treinamento, indicando a pouca aplicabilidade real dessas soluções em problemas do mundo real, nos quais novos algoritmos para bots são desenvolvidos frequentemente. O trabalho também aponta algumas direções para melhorar o desempenho desses algoritmos considerando informações do conteúdo das postagens e do contexto na rede social em que o usuário (potencialmente um bot) se encontra.
Perspectives
Read the Original
This page is a summary of: Evaluating social bots detection approaches in different domains, May 2022, ACM (Association for Computing Machinery),
DOI: 10.1145/3535511.3535516.
You can read the full text:
Contributors
The following have contributed to this page