Nadzorna ploča za sveobuhvatnu analizu za otkrivanje sličnih saudijskih Twitter računa pomoću stilometrijskih značajki

Istraživanje se bavi problemom otkrivanja sličnih saudijskih Twitter računa koje kriminalci koriste za širenje štetnih ideologija, dok prikrivaju svoja prava uvjerenja. Postojeće metode, usredotočene na engleske tekstove i značajke koje ovise o sadržaju, neadekvatne su za arapski i ne uspijevaju uzeti u obzir varijabilnost u temama među računima istog autora. Ova studija predlaže inovativni model koji naglašava čimbenike neovisne o sadržaju, uključujući stilometrijske značajke za analizu stila pisanja, a ne sadržaja. Prednost ovog pristupa je njegova sposobnost otkrivanja sličnih računa u različitim temama, što ga čini prilagodljivijim arapskom jeziku i teže kriminalcima da izbjegnu otkrivanje jednostavnom promjenom sadržaja. Model procjenjuje nekoliko klasifikatora strojnog učenja (ML) kao što su Random Forest (RF) i XGBoost, kao i modele dubinskog učenja kao što su TabNet i CNN, koristeći skup podataka saudijskih Twitter računa uključenih u terorizam i rasizam. Rezultati pokazuju da ML modeli, posebice RF i XGBoost, nadmašuju modele dubokog učenja, uz uključivanje stilometrijskih značajki koje poboljšavaju točnost. Istraživanje doprinosi razvojem jedinstvenog skupa podataka, uvođenjem novih stilometrijskih značajki, usporedbom različitih modela i stvaranjem nadzorne ploče za analizu sličnih računa, nudeći učinkovitije rješenje za otkrivanje štetnih aktivnosti na arapskom Twitteru.