[論文レビュー] Bot or Not? Deciphering Time Maps for Tweet Interarrivals

Nicole Radziwill, Morgan C. Benton|arXiv (Cornell University)|May 20, 2016

Opinion Dynamics and Social Influence参考文献 5被引用数 7

ひとこと要約

本研究では、ツイート間の到着時間の間隔を可視化した時間マップを用いて、Twitter上のユーザーが人間かスケジュールされた人間かボットかを区別することを提案する。Rを用いたモンテカルロシミュレーションにより、ボットアカウントが人間と比較してはるかに規則的かつ周期的な間隔パターンを示すことが示され、高い正確性で自動ボット検出が可能であることが明らかになった。

ABSTRACT

This exploratory study used the R Statistical Software to perform Monte Carlo simulation of time maps, which characterize events based on the elapsed time since the last event and the time that will transpire until the next event, and compare them to time maps from real Twitter users. Time maps are used to explore differences in the interarrival patterns of Tweets between human users, humans who use scheduling services like TweetDeck and HootSuite, and non-human (bot) users. The results indicate that there are differences between the tweet interarrival patterns across these categories of users, and that time maps could potentially be used to automate the detection of bot accounts on Twitter. This could enhance social media intelligence capabilities, help bot developers build more human-like Twitter bots to avoid detection, or both.

研究の動機と目的

• 人間ユーザー、スケジュールされた人間ユーザー、ボットアカウントの間でツイートの到着時間間隔パターンに差が生じるかどうかを調査すること。
• ツイートの到着時間間隔の時間マップを用いて、Twitter上のボットアカウントを検出する手法を開発すること。
• 時間マップがソーシャルメディアにおけるボット的行動の信頼性のある自動指標として機能できるかどうかを評価すること。
• この検出手法がソーシャルメディアインテリジェンスおよびボット設計に与える影響を検討すること。

提案手法

• 各ユーザーについて、直前のツイートからの経過時間と次のツイートまでの残り時間を可視化した時間マップを作成した。
• 実際のユーザーのデータと比較するため、合成された到着時間間隔パターンを生成するためにモンテカルロシミュレーションを用いた。
• R統計ソフトウェアを用いて、シミュレーションを実行し、到着時間間隔の分布を分析した。
• 人間、スケジュールされた人間、ボットの3つのユーザー層における到着時間間隔の規則性と周期性を比較した。
• 分布解析と視覚的検査を用いて、時間マップパターンの統計的差を定量化した。
• 本研究では、非人間的（ボット的）行動の主要な指標として時間的規則性に焦点を当てた。

実験結果

リサーチクエスチョン

• RQ1 人間ユーザーのツイート間隔パターンは、Twitter上のボットアカウントのそれとどのように異なるか？
• RQ2 ツイッター・デッキなどのツールを用いてスケジュールされた人間ユーザー（スケジュールド・ヒューマン）は、実際に人間が投稿する行動をどの程度模倣しているか？
• RQ3 時間マップは、時間的規則性に基づいて、人間とボット的投稿パターンを効果的に区別できるか？
• RQ4 時間マップにどのような統計的特徴が、ソーシャルメディアプラットフォームにおけるボット検出の自動化に利用できるか？

主な発見

• ボットアカウントは、人間ユーザーと比較して著しく規則的かつ周期的な到着時間間隔を示した。
• スケジュールされた人間ユーザーは中間的なパターンを示し、規則性はあったがボットほどではなかった。
• 時間マップ分析により、ユーザーのカテゴリごとの到着時間間隔分布に明確で定量的な差が明らかになった。
• モンテカルロシミュレーションにより、ボット行動で観察されたパターンが、ランダムまたは人間的な投稿リズムとは統計的に明確に異なることが確認された。
• 本研究では、時間マップがTwitter上でのボットアカウント検出に信頼性があり自動化可能な指標として機能できることを示した。
• 結果から、時間マップはスケーラブルなボット検出を可能にすることで、ソーシャルメディアインテリジェンスの向上に寄与できる可能性がある。