| Form of studies |
Bachelor |
| Title of the study programm |
Information Technology |
| Title in original language |
Sociālo tīklu botu analīze un atklāšanas metodes ietekme uz informācijas izplatīšanu |
| Title in English |
Analysis of Social Media Bots and the Impact of Detection Methods on Information Dissemination |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Vladislavs Minkevičs |
| Reviewer |
Pēteris Grabusts |
| Abstract |
Noslēguma darbs ir par sociālo tīklu botu analīzi un atklāšanas metožu salīdzināšanu, koncentrējoties uz Twitter platformu. Darba galvenie uzdevumi un mērķi ir noskaidrot, kā sociālo mediju boti tiek izmantoti lielās platformās, piemēram, Twitter. Jāanalizē un jāpielieto atklāšanas pieejas, jānosaka metožu efektivitāte un jāsalīdzina to veiktspēju identificēt botus. Noslēguma darbā tiek apskatītas botu atklāšanas pieejas - heiristiskā un mašīnmācīšanās. Heiristiskā pieeja balstās uz noteiktu uzvedības rādītāju analīzi, izmantojot Twitter API iespējas, savukārt mašīnmācīšanās pieejā izmantota publiski pieejama datu kopa, kas ir trenēta ar reāliem lietotāju datiem. Praktiskajā daļā tika pielietotas mašīnmācīšanas metožu algoritmi, kā KNN, SVM, Naive Bayes, Random Forest un Decision Tree, kas analizē Twitter lietotāju datus un identificē potenciālos botus. Darba beigās ir salīdzināti un analizēti iegūtie rezultāti par algoritmu veiktspēju botu identificēšanā. Papildus tam ir salīdzinātas abas pieejas, izceļot to stiprās un vājās puses, kā arī novērtējot to praktisko pielietojumu botu identificēšanā Twitter platformā. Veicot mašīnmācīšanās algoritmu salīdzināšanu tika noteikts, ka Random Forest algoritms ir vislabāk piemērots botu identificēšanas uzdevumam Twitter platformā. |
| Keywords |
SOCIĀLIE TĪKLI, TWITTER BOTI, HEIRISTISKĀ PIEEJA, MAŠĪNMĀCĪŠANĀS |
| Keywords in English |
SOCIAL NETWORKS, TWITTER BOTS, HEURISTIC APPROACH, MACHINE LEARNING |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
26.05.2025 23:53:40 |
