• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  • Utilizzo dell'apprendimento automatico per rilevare pagine Facebook inaffidabili

    Distribuzione delle prime 10 funzionalità. Credito:Panida Songram.

    Un numero crescente di aziende e individui in tutto il mondo sta creando pagine Facebook per scopi di marketing e pubblicità. Questo perché Facebook offre la possibilità di comunicare gratuitamente ai clienti potenziali o esistenti, pubblicizzare nuovi prodotti, offerte o servizi.

    Ancora, proprio perché questo servizio è gratuito e di facile accesso, utenti malintenzionati lo utilizzano per creare pagine ingannevoli. Rilevare e identificare le pagine inaffidabili è di fondamentale importanza, in quanto potrebbe aiutare ad avvertire gli utenti e ridurre le attività dannose sulla piattaforma.

    I ricercatori di tutto il mondo hanno quindi cercato di sviluppare metodi per rilevare e prevenire l'inganno su Facebook e altre piattaforme di social media. Panida Songram, un ricercatore alla Mahasarakham University, in Thailandia, ha recentemente condotto uno studio sull'uso dell'apprendimento automatico supervisionato per rilevare l'affidabilità o l'inaffidabilità delle pagine di Facebook.

    "Questo documento mira a rilevare e indagare le caratteristiche delle pagine Facebook inaffidabili e affidabili, "Songram ha scritto nel suo giornale, che è stato pubblicato sulla rivista Artificial Life and Robotics di Springer. "Sono stati studiati anche modelli efficaci di apprendimento automatico e metodi di selezione delle funzionalità per rilevare pagine inaffidabili e affidabili".

    Songram ha estratto un vasto numero di funzionalità che potrebbero aiutare a determinare se una pagina è affidabile o meno, compresi i dettagli della pagina, informazioni su un prodotto o servizio, le risposte degli utenti e il comportamento dei post dell'amministratore della pagina. Ha quindi addestrato uno strumento di apprendimento automatico supervisionato per analizzare queste funzionalità e classificare le pagine come affidabili o inaffidabili.

    "Primo, Le pagine di Facebook vengono raccolte casualmente e poi vengono etichettate da cinque utenti, " Songram ha spiegato nel suo articolo. "Le pagine di Facebook con l'accordo di cinque utenti vengono selezionate e le loro informazioni vengono recuperate utilizzando l'API Facebook Graph. Prossimo, le caratteristiche vengono estratte dalle informazioni e studiate negli esperimenti".

    Songram ha valutato l'efficacia di diversi classificatori nel rilevare pagine inaffidabili e affidabili. Ha scoperto che KNN era il miglior classificatore, raggiungendo l'88,67 percento di precisione. Ha inoltre effettuato un'analisi delle caratteristiche della pagina Facebook, per capire meglio cosa caratterizza tipicamente le pagine affidabili o inaffidabili.

    "Per le pagine inaffidabili, il numero di giorni tra la data dell'ultimo post e la data di recupero è elevato e il numero di post a settimana (frequenza di post) è molto piccolo, "Songram ha scritto nel suo articolo. "Indica che le pagine inaffidabili non sono attive, mentre le pagine affidabili sono attive."

    Songram ha osservato che la quantità di persone che discutono di pagine inaffidabili online è significativamente inferiore a quella di coloro che parlano di pagine affidabili. Una possibile spiegazione di ciò è che spesso gli utenti si rendono conto che le pagine sono inaffidabili e quindi non ne parlano online. I post su pagine affidabili contenevano anche molti più URL di quelli su pagine inaffidabili, nonché ulteriori informazioni sull'azienda e sui suoi prodotti/servizi.

    Usando quelle che ha trovato essere le prime 10 caratteristiche per determinare l'affidabilità di una pagina Facebook, Songram ha raggiunto una precisione di classificazione del 91,37 percento. In futuro, le sue scoperte potrebbero aiutare lo sviluppo di strumenti più efficaci per rilevare rapidamente le pagine Facebook inaffidabili.

    © 2018 Science X Network




    © Scienza https://it.scienceaq.com