Details

Целью работы является определение лучшей модели машинного обучения для выявления веб-ботов в социальной сети ВКонтакте на основе анализа комментариев. Предметом исследования является методика выявления социальных ботов с использованием методов машинного обучения для анализа комментариев пользователей в социальной сети ВКонтакте. Задачи, решаемые в ходе исследования: 1. Провести сравнительный анализ методов машинного обучения для идентификации ботов. 2. Проанализировать комментарии и сформировать перечень признаков, по которым можно классифицировать учетные записи. 3. Собрать базу комментариев и разработать инструмент для их обработки. 4. Построить различные модели с наилучшими параметрами для классификации аккаунтов. 5. Оценить эффективность разработанных моделей на собранных данных и выявить наиболее подходящую модель для решения подобных задач. В ходе работы были исследованы применяемые методы для обнаружения веб-ботов в социальных сетях. Была решена задача сбора и формирования набора данных. В результате работы был разработан программный компонент для обработки данных, обучения моделей и оценки их эффективности. Была выявлена наиболее эффективная модель машинного обучения для данной задачи. Полученные результаты могут быть использованы для дальнейшей разработки систем автоматической модерации в социальных сетях.

The aim of the work is to determine the best machine learning models for identifying web bots in the VKontakte social network based on the analysis of comments. The subject of the study is a technique for fixing social bots using machine learning methods to analyze user comments on the VKontakte social network. Tasks to be solved during the research: 1. To conduct a comparative analysis of machine learning methods for identifying bots. 2. Analyze the comments and provide a list of signs by which accounts can be classified. 3. Collect the source texts and create a tool for processing them. 4. Build various models with parameters for classifying accounts. 5. Evaluate the effectiveness of the developed models based on the collected data and choose the most appropriate model for solving a particular problem. In the course of the work, the applied methods for detecting web bots in social networks were investigated. The task of collecting and forming a data set was solved. As a result of the work, a software component was developed for data processing, training models and evaluating their effectiveness. The most effective machine learning model for this task has been determined. The results obtained can be used for further development of automatic moderation systems in social networks.