वीके में सार्थक प्रोफाइल की पहचान करें

लोगों से बॉट को अलग करना वास्तव में मुश्किल है। मैं वास्तव में इसे स्वयं नहीं कर सकता लेकिन दूसरी ओर, मैं एक अच्छी बाइक के साथ आया ... एक तरीका है कि वीके "दिलचस्प लोगों" को "दिलचस्प नहीं" से कैसे अलग किया जाए। नेटवर्क संचार के संदर्भ में, निश्चित रूप से, और जीवन में नहीं।



यदि कोई आपके दोस्तों को खटखटा रहा है, लेकिन पहली नज़र में आप समझ नहीं सकते हैं कि यह एक सामान्य व्यक्ति है या जो नरक जानता है, यह विधि उपयोगकर्ता के बारे में कुछ उपयोगी जानकारी प्रदान कर सकती है। प्रासंगिक लक्षित समूहों की पहचान करने के लिए इसका उपयोग करने की संभावना नहीं है, क्योंकि वीके ने उपयोगकर्ता की दीवारों की सामग्री को डाउनलोड करने की क्षमता पर एक सीमा लगा दी है , और यह चोट करने के लिए धीमा है। यानी यह संभव है, लेकिन प्रतिबंधों को दरकिनार करने के लिए इसे परिष्कृत, अनुकूलित और चकमा देना बहुत आवश्यक है।

मुख्य विचार

मुख्य विचार यह है कि बॉट्स, सुस्त (नेटवर्क शब्दों में) व्यक्तित्व, दोस्तों-ग्राहकों के सभी प्रकार के बड़े कलेक्टरों को वास्तव में परवाह नहीं है कि वे किसके साथ दोस्त हैं, हालांकि वे अपनी दीवारों पर काफी सार्थक पोस्ट "लिख" सकते हैं। लेकिन सुस्त व्यक्तित्व विशेष रूप से अपने टेप को नहीं पढ़ते हैं, और बॉट को इसकी बिल्कुल आवश्यकता नहीं है। इसके अलावा, ग्राहकों और सितारों के बड़े संग्रहकर्ताओं के लिए यह आवश्यक नहीं है।

लेकिन ऐसे लोगों के लिए जिनके पास वीके के बारे में कम से कम कुछ संचार संबंधी रुचियां हैं, यह बहुत महत्वपूर्ण है कि वे किसके साथ दोस्त हैं। और, ज़ाहिर है, वे अपने दोस्तों में 6,000 दोस्तों को इकट्ठा करने में सक्षम नहीं होंगे, जो केवल नोवो उरेंगॉय के एक गोदाम से छूट पर नग्न महिलाओं की तस्वीरें, नाली के बैरल की तस्वीर और विज्ञापन साझा करेंगे ।

और इस आधार पर, आप एक मानदंड तैयार करने की कोशिश कर सकते हैं जिसके द्वारा उन लोगों को बाहर करना है जो अपने फ़ीड की सामग्री में रुचि रखते हैं। ऐसे लोग एक वास्तविक व्यक्ति की विशेषताएं दिखाते हैं। एक व्यक्ति, जो कम से कम, एकतरफा एकतरफा संप्रेषणीय कृत्य करता है। आजकल, यह इतना छोटा नहीं है।

दो मापदंड तुरंत मेरे दिमाग में आए:

• अंतिम एन पदों के लिए किसी व्यक्ति के दोस्तों का औसत शब्दकोश।
• जाँच किए जा रहे व्यक्ति के मित्रों के ग्रंथों के बिना पदों का प्रतिशत।

और इस तरह से कुछ के आधार पर, आप पहले से ही कुछ प्रकार के मॉडल बनाने की कोशिश कर सकते हैं जो दिलचस्प लोगों को बहुत दिलचस्प नहीं से अलग कर देगा।

और मैंने यह जाँच कैसे की?

मैंने 50 यादृच्छिक मित्रों और 50 यादृच्छिक अनुयायियों को चुना, जो कुछ मानदंडों को पूरा करते थे जो बहुत स्पष्ट फेक, बच्चों, या ऐसे लोगों को काटते थे जो इसका उपयोग नहीं करते थे। टाइप करें कि उपयोगकर्ता को निष्क्रिय नहीं किया जाना चाहिए और एक ही समय में 50 से अधिक मौजूदा दोस्त होने चाहिए।

मैंने इन सभी लोगों को देखा और पहचान लिया कि उनमें से कौन सा "बॉट" है और कौन सा नहीं है। स्वाभाविक रूप से, अधिकांश दोस्त वास्तविक थे, और अधिकांश ग्राहकों ने कुछ खरीदने की पेशकश की (लेकिन कुछ वास्तविक लोग वहां थे)।

इसके अलावा, मैंने जाँच की जा रही व्यक्ति के प्रत्येक मित्र से पहली 100 पोस्ट ली, अगर दीवार पर बहुत सारे थे। प्रत्येक व्यक्ति के लिए, मैंने दो ऐसे कारकों पर विचार किया:

1. किसी व्यक्ति के दोस्तों का औसत आकार उनके पहले 100 पदों के लिए होता है। यानी 50 मित्र, लगभग 100 पदों के साथ प्रत्येक। प्रत्येक मित्र के लिए, 100 पदों के सभी शब्दों को ढेर में चिपका दिया जाता है, मुहर लगा दिया जाता है और एक मित्र के अनूठे शब्दों की संख्या पर विचार किया जाता है। इसके अलावा, सभी 50 दोस्तों के लिए औसत माना जाता है। इस मान से, रूट लिया गया था - SQRT (डीईसी)।
2. यदि किसी मित्र के पास शब्दों के बिना 100 में से 60 पद हैं, तो उसे "खो" के रूप में चिह्नित किया गया है। दोस्तों में "खोए हुए" लोगों का प्रतिशत दूसरा कारक है - प्रतिशत।

एक अन्य कारक संयोग से दिखाई दिया। यह वीके log10 (आईडी) में आइडी से लघुगणक है

इस पर, मैंने सभी को लॉजिस्टिक रिग्रेशन पर प्रशिक्षित किया, और मुझे यह मिला:

log (OR) = 9.92-1.537 * log10 (ID) + 0.067 * SQRT (Dic) -0.0% *

नमूने के परीक्षण भाग के लिए, हमें AUC = 0.93 के साथ एक बहुत अच्छा वर्गीकरण मिला। यहाँ इस तरह के एक ROC वक्र है :


उस वर्गीकरण का आरओसी वक्र जो किसी व्यक्ति के पृष्ठ की सामग्री को निर्धारित करता है

किसी व्यक्ति की सामग्री को वर्गीकृत करने के लिए वीसी आईडी के महत्व पर कुछ सवाल उठाए जाते हैं, लेकिन लगता है, अफसोस, यह उस तरह से काम करता है। आगे आईडी 1 से है, अधिक संभावना यह है कि यह सिर्फ एक बॉट है जो कि माइक्रोलोन्स को विज्ञापित करने के लिए बनाया गया है। आईडी के बिना, क्लासिफायर भी काम करता है, लेकिन बदतर। AUC = 0.78। यह सीधा अच्छा नहीं है, लेकिन यह भी बेकार नहीं है।

किसी भी स्थिति में, चरित्र की उपयोगिता पर अंतिम निर्णय निर्णय निर्माता तक होता है।

अतिरिक्त जांच

मैंने अपने सभी 5,000 ग्राहकों को अपने एक साथी से ले लिया, जहां, ज़ाहिर है, विज्ञापन स्लैग का 95% बाहर भेजा गया था और प्रतिगमन अतिरिक्त प्रशिक्षण के बिना चलाया गया था। 20% की कटऑफ के साथ, परिणाम ऐसे टीपी = 78%, एफपी = 11% निकले। यही है, सामान्य तौर पर, एक अनियंत्रित व्यक्ति पर, यह भी कम या ज्यादा काम करता है।

क्या वे बॉट बना सकते हैं जो इस परीक्षा को पास करते हैं?

हां, दोस्तों द्वारा घिरे कुछ छद्म अर्थपूर्ण पोस्टों के साथ एक बॉट उत्पन्न करना काफी आसान है, लेकिन अभी तक किसी को भी इसकी आवश्यकता नहीं है। खैर, अलग-अलग सामग्री के साथ परेशान करना मुश्किल है, क्योंकि यदि सभी बॉट एक ही चीज़ उत्पन्न करते हैं, तो यह पहचानना भी आसान है।

क्या ऐसा एप्लिकेशन बनाना संभव है जो आईडी द्वारा लोगों की जांच करता हो?

शायद संभव है, लेकिन मैं हैलो वीके करने के लिए इसे तोड़ रहा हूं। अगर कोई चाहे तो उसे करने दे। ऐसा लगता है कि विधि वर्णित है, इसका विचार सरल है।

क्या यह बहुत आम है?

बहुत हो। लेकिन अचानक कोई उनके विकास के आधार के रूप में काम आएगा। यह विधि आसानी से जटिल हो सकती है, उदाहरण के लिए, केवल शब्दकोशों की लंबाई नहीं, बल्कि सामग्री पर विचार करके। यहां आप पहले से ही एनएलपी की पूरी शक्ति का उपयोग कर सकते हैं और सामग्री में प्रशिक्षित कर सकते हैं। आप अभी भी अधिक जटिल क्लासीफायर ले सकते हैं: पेड़, तंत्रिका नेटवर्क, आदि। यह सब जटिल हो सकता है, लेकिन यह महत्वपूर्ण है कि सरल भी कुछ दिलचस्प दे।