基于异构主题和朴素贝叶斯的机器人检测

Research Paper#Social Bot Detection, Machine Learning, Network Analysis🔬 Research|分析: 2026年1月3日 19:38•
发布: 2025年12月28日 03:25
•
1分で読める
•ArXiv

分析

本文解决了社交机器人检测这一关键问题，这对于维护社交媒体的完整性至关重要。它提出了一种使用异构主题和朴素贝叶斯模型的新方法，提供了一种理论上合理的解决方案，改进了现有方法。 重点在于结合节点标签信息来捕获邻域偏好的异质性，并量化主题能力，这是一项重大贡献。 本文的优势在于其系统的方法以及在基准数据集上展示的卓越性能。
引用 / 来源
查看原文
"Our framework offers an effective and theoretically grounded solution for social bot detection, significantly enhancing cybersecurity measures in social networks."
A
ArXiv2025年12月28日 03:25
* 根据版权法第32条进行合法引用。
较旧

Graphs with large maximum forcing number

较新

A Micro-Macro Machine Learning Framework for Predicting Childhood Obesity Risk Using NHANES and Environmental Determinants

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv