مروري بر روش هاي تشخيص ربات ها در شبكه هاي اجتماعي

Detection of Bots on Social Networks: a Review

در جامعه ي امروزي شبكه هاي اجتماعي جايگاه خوبي در بين كاربران پيدا كرده است. توجه ويژه كاربران به شبكه هاي اجتماعي باعث شده است بازاريابي شبكه اجتماعي نيز مورد توجه اشخاص حقيقي و حقوقي قرار گيرد. رقابت كسب و كارها و افراد در اين فضاها باعث شده تا برخي از روش هاي نادرست براي بالا بردن كاذب نرخ تعامل صفحات خود استفاده كنند. يكي از بيشترين روش هاي بالا بردن كاذب نرخ تعامل، استفاده از ربات بوده است. به همين دليل پژوهش هاي مختلفي براي كشف اين رباتهاي جعلي انجام شده است. در اين مقاله، مروري بر كارهاي پيشين در حوزه تشخيص ربات ها در شبكه هاي اجتماعي انجام شده است. نتايج بررسي نشان مي دهد الگوريتم هاي جنگل تصادفي، نزديكترين همسايه و رگرسيون لجستيك و خطي بيشتر در بين روش هاي سنتي يادگيري ماشين مورد استفاده قرار گرفته اند. همچنين در يادگيري عميق، الگوريتم هاي شبكه عصبي كانولوشني و شبكه‌هاي حافظه طولاني كوتاه مدت و ترنسفورمر بيشتر مورد استفاده قرار گرفته است.

There is no doubt that social networks have gained prominence among users in today s society. Having received special attention from users, social network marketing has attracted the attention of businesses and individuals. As a consequence of the competition in these spaces, businesses and individuals have used some incorrect methods in order to falsely increase the engagement rate of their websites. The use of bots has been one of the most common methods of falsely increasing engagement rates. In order to discover these fake robots, various researches have been conducted. The objective of this article is to provide a review of previous research in the field of detecting robots in social networks. Based on the results of the review, it was found that random forest, nearest neighbor, logistic regression, and linear regression algorithms are more widely used than other traditional machine learning approaches. As well, convolutional neural network algorithms, long-term memory, and transformer learning have become more popular in deep learning approaches.