|
|
|
|
شناسایی تغییر رفتار ترول مبتنی بر ترکیب gan و lstm
|
|
|
|
|
|
|
|
نویسنده
|
احمدی علیرضا ,خوانساری محمد
|
|
منبع
|
بيستمين سمپوزيوم بين‌المللي هوش مصنوعي و پردازش سيگنال - 1402 - دوره : 20 - بیستمین سمپوزیوم بین‌المللی هوش مصنوعی و پردازش سیگنال - کد همایش: 02230-38445 - صفحه:0 -0
|
|
چکیده
|
ترولینگ اصطلاح گسترده‌ای است که شامل اشکال مختلف فعالیت‌های نادرست آنلاین از فریب دادن و اظهارنظرهای گمراه‌کننده تا رفتار توهین‌آمیز و تهدیدآمیز است. شناسایی ترول مبتنی بر تغییر رفتار یک از روش‌های جدید تحقیقاتی در این حوزه می باشد. در این مقاله از شبکه متخاصم مولد (gan) به‌عنوان روش جدید نیمه نظارتی از رویکرد یادگیری عمیق، برای شناسایی تغییر رفتار ترول استفاده شده است. روش پیشنهادی از سه جزء مختلف تشکیل‌شده است: مولد، تشخیص‌دهنده، طبقه‌بندی کننده که با هم کار می‌کنند تا نه‌تنها نظرات ترول‌ها را طبقه‌بندی کنند، بلکه نمونه‌هایی نزدیک به مجموعه آموزش تولید کنند. این روش با آموزش دو شبکه عصبی که یک بازی min-max را انجام می‌دهد عمل می‌کنند. تشخیص‌دهنده سعی می‌کند نمونه‌های آموزشی واقعی را از نمونه‌های تقلبی متمایز کند و تابع مولد سعی می‌کند نمونه‌های آموزشی جعلی تولید کند تا متمایزکننده را فریب دهد که در آن مولد و طبقه‌بندی کننده توسط یک‌لایه lstm به‌عنوان یک کانال مشترک بین آن‌ها متصل می‌شوند. ارزیابی کارایی روش پیشنهادی در حل مسئله تغییر رفتار ترول با استفاده از دو معیار دقت و معیار f1-score بر روی یک مجموعه داده 20000تایی از ترول اجتماعی توییتر در مقایسه با جدیدترین روش‌های شناسایی تغییر رفتار (رگرسیون لجستیک) دقت بالاتری را گزارش می‌کند.
|
|
کلیدواژه
|
شناسایی ترول،یادگیری عمیق،یادگیری ماشین،شبکه مولد تخاصمی
|
|
آدرس
|
, iran, , iran
|
|
پست الکترونیکی
|
m.khansari@ut.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
identifying troll behavior change based on combination of gan and lstm
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|