インディアナ州の科学者から火の下で来る偽のつぶやきキャンペーン

インディアナ州の科学者から火の下で来る偽のつぶやきキャンペーン
情報学やコンピューティング、将来的に企業の社会的なマーケティング キャンペーンのための深刻な含意を持っている可能性があります偽の対本当のつぶやきミームのインディアナの大
学の科学者からの最近の分析の結論をチェックします。 興味深い点は、太字で強調表示されますまでスクロールします。 （pdf ファイル：偽のつぶやき識別子)
Twitter の作業ではこのソーシャル メディア ストリーム中でミームをクラスタ リングの問題に対処する枠組みを提案した、特に。 当社のシステムは
目的で各さえずるに含まれる情報の原子のトークンを識別する protomeme 検出と呼ばれる、話者クラスタ リングによるプロシージャに基づいています。
この戦略だけテキスト処理が必要です、したがって特に効率的でストリーミング シナリオに適してします。 ミームがその後アドホック措置のコンテンツ、ソーシャ
ル ネットワークと情報拡散パターンを含む様々 な寸法に従って定義によって計算される、それらの間の類似性に基づいて protomemes を集約するこ
とによって得られます。 このような措置のみ観測データから、ストリーミング方式で抽出される情報を採用し、局所的に関連するつぶやきのクラスターを構築する
許可。 クラスタ リング、ミームが貫かオンライン k-means s 統合の vari ant を使用して追跡するために、少なくとも最近まで記憶機構
付けミーム。 体系的に我々 のアルゴリズムのパフォーマンスを評価するために Twitter のトレンドのハッシュタグから成るデータセットを使用しまし
た、我々 は提案手法のみつぶやきのテキストと同様に、基になる社会的なネットワークの完全な知識を前提としています 1 つを使用してベースラインよりも優
れていることを示した。
我々 のシステムの重要な機能の 1 つは b e 類似度 (あるいは距離) に基づくクラスタ リング アルゴリズムで動作するように拡張することができ
ることです。 この論文では, たとえば、選んだ Onlin e K 平均 b ecause; そのシンプルさの提示するにはただし、私たちのデザインの
中にまたテスト他密度ベースを含む方法 ds および階層的なデータ ストリームのクラスタ リング アルゴリズム (例えば、 denstream[10] とLiarTree。 完全なベンチマークとこれらの代替方法のチューニングは、我々 の分析の範囲外でしたが、我々 は異なるアルゴリズムを我々
のフレームワークの拡張機能の使いやすさの証拠を収集しました。
将来的に 1 つは例えばイメージなどのエンティティを考慮したクラスタ リング体制によって組み込まれて機能のセットを拡張できます。 さらに、我々 の予
備的な分析は時間の機能としてシリーズの導入が大幅なパフォーマンス改善をもたらす可能性があります示唆しています。 私たちの長期的な計画はミーム フレー
ムワーク設計タイプの自発的なものから社会的なメディア通信を区別するためにミームの分類とクラスタ リングを統合することです。 このプラットフォームは、
ミームを分類し、誤報および欺瞞のキャンペーンの初期で検出することを目的とその正当性を判断する教師あり学習手法を採用します。 プラットフォームは、リア
ルタイム、高ボリューム メッセージのストリームのさえずりの典型的な他のオンラインのソーシャル メディアで動作するように最適化されます。