[论文解读] 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 7

一句话总结

本研究提出使用时间图——即推文到达时间间隔的可视化表示——来区分Twitter上的真人用户、定时发布真人用户和机器人账号。通过在R语言中应用蒙特卡洛模拟，作者表明机器人账号表现出显著更规律且具有周期性的到达时间间隔模式，相较于真人用户，这使得能够以高准确率实现自动化机器人检测。

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.

研究动机与目标

• 研究真人用户、定时发布真人用户和机器人账号在推文到达时间间隔模式上的差异。
• 开发一种利用到达时间间隔时间图检测Twitter上机器人账号的方法。
• 评估时间图是否可作为社交媒体中机器人行为的可靠、自动化指标。
• 探讨该检测方法对社交媒体情报及机器人设计的启示。

提出的方法

• 构建时间图以可视化每位用户自上次推文以来的时间与至下次推文的时间间隔。
• 使用蒙特卡洛模拟生成合成的到达时间间隔模式，以与真实用户数据进行比较。
• 使用R统计软件执行模拟并分析到达时间间隔的分布。
• 比较三类用户（真人、定时发布真人、机器人）在到达时间间隔的规律性和周期性方面的差异。
• 通过分布分析和视觉检查量化时间图模式的统计差异。
• 该方法聚焦于识别时间规律性作为非人类（机器人）行为的关键指标。

实验结果

研究问题

• RQ1 真人用户与Twitter上机器人账号的到达时间间隔模式有何不同？
• RQ2 使用TweetDeck等工具的定时发布真人用户在多大程度上模仿了真实人类的发布行为？
• RQ3 时间图能否基于时间规律性有效区分人类与机器人行为的发布模式？
• RQ4 时间图中的哪些统计特征可用于在社交媒体平台上实现机器人检测的自动化？

主要发现

• 机器人账号表现出显著更规律且具有周期性的到达时间间隔，相较于真人用户。
• 定时发布真人用户表现出中间模式，具有一定的规律性但不及机器人。
• 时间图分析揭示了不同用户类别之间到达时间间隔分布的清晰且可量化的差异。
• 蒙特卡洛模拟证实，机器人行为中观察到的模式在统计上明显区别于随机或人类相似的发布节奏。
• 本研究证明，时间图可作为检测Twitter上机器人账号的可靠、自动化指标。
• 结果表明，时间图可提升社交媒体情报能力，实现可扩展的机器人检测。