Un nombre croissant d'entreprises et de particuliers dans le monde créent des pages Facebook à des fins de marketing et de publicité. En effet, Facebook offre la possibilité de communiquer gratuitement avec des clients potentiels ou existants, publicité de nouveaux produits, offres ou services.

Encore, précisément parce que ce service est gratuit et facile d'accès, les utilisateurs malveillants l'utilisent pour créer des pages trompeuses. Détecter et identifier les pages non fiables est d'une importance capitale, car cela pourrait aider à avertir les utilisateurs et à réduire les activités malveillantes sur la plate-forme.

Des chercheurs du monde entier ont donc essayé de développer des méthodes pour détecter et prévenir la tromperie sur Facebook et d'autres plateformes de médias sociaux. Panida Songram, chercheur à l'Université Mahasarakham, en Thaïlande, a récemment mené une étude sur l'utilisation de l'apprentissage automatique supervisé pour détecter la fiabilité ou le manque de fiabilité des pages Facebook.

"Ce document vise à détecter et à étudier les caractéristiques des pages Facebook peu fiables et fiables, " Songram a écrit dans son journal, qui a été publié dans la revue Springer's Artificial Life and Robotics. « Des modèles d'apprentissage automatique et des méthodes de sélection de fonctionnalités efficaces sont également étudiés pour détecter les pages non fiables et fiables. »

Songram a extrait un grand nombre de fonctionnalités qui pourraient aider à déterminer si une page est fiable ou non, y compris les détails de la page, des informations sur un produit ou un service, les réponses des utilisateurs et le comportement de publication de l'administrateur de la page. Elle a ensuite formé un outil d'apprentissage automatique supervisé pour analyser ces fonctionnalités et classer les pages comme fiables ou non fiables.

"D'abord, Les pages Facebook sont collectées au hasard puis étiquetées par cinq utilisateurs, " Songram a expliqué dans son article. " Les pages Facebook avec l'accord de cinq utilisateurs sont sélectionnées et leurs informations sont récupérées à l'aide de l'API Facebook Graph. Prochain, les caractéristiques sont extraites des informations et étudiées dans les expériences."

Songram a évalué l'efficacité de différents classificateurs pour détecter les pages peu fiables et fiables. Elle a découvert que KNN était le meilleur classificateur, atteindre une précision de 88,67 pour cent. Elle a également réalisé une analyse des fonctionnalités de la page Facebook, pour mieux comprendre ce qui caractérise généralement les pages fiables ou non fiables.

"Pour les pages peu fiables, le nombre de jours entre la date du dernier message et la date de récupération est élevé et le nombre de messages par semaine (fréquence des messages) est très faible, " Songram a écrit dans son article. " Cela indique que les pages non fiables ne sont pas actives, tandis que les pages fiables sont actives."

Songram a observé que le nombre de personnes discutant de pages non fiables en ligne est nettement inférieur à celui de personnes parlant de pages fiables. Une explication possible à cela est que les utilisateurs se rendent souvent compte que les pages ne sont pas fiables et qu'ils n'en parlent donc pas en ligne. Les publications sur des pages fiables contenaient également beaucoup plus d'URL que celles sur des pages non fiables, ainsi que plus d'informations sur l'entreprise et ses produits/services.

En utilisant ce qu'elle a trouvé être les 10 principales fonctionnalités pour déterminer la fiabilité d'une page Facebook, Songram a atteint une précision de classification de 91,37 pour cent. Dans le futur, ses découvertes pourraient aider au développement d'outils plus efficaces pour détecter rapidement les pages Facebook peu fiables.

© 2018 Réseau Science X