研究人员使用机器学习发掘地下Instagram

点赞，分享，关注者和评论是在线社交网络的流行。具有较高参与度的帖子将通过内容策划算法进行优先级排序，从而使社交网络“影响者”能够通过其受众的规模和忠诚度获利。

纽约大学坦登工程学院和德雷克塞尔大学的一组研究人员认为，并不是所有的参与都是有机的，他们首次发表了对“豆荚”的强大地下生态系统的分析。这些用户组通过一种称为“互惠滥用”的策略来操纵策展算法并人为地提高内容的受欢迎程度(无论是增加所推广内容的覆盖面还是扩大言论)，即每个成员与该组其他成员发布的内容进行交互。

研究人员还开发了一种机器学习工具，可以检测通过吊舱参与获得欢迎的可能性很高的帖子。该工具可以部署为内​​容管理算法的一部分。

纽约大学丹登分校计算机科学与工程副教授雷切尔·格林斯塔特(Rachel Greenstadt)说：“最令人惊讶的发现是，互惠行为不仅有效提高了职位的知名度，而且还增加了真正的有机参与度​​。” “ The Pod People：通过对等滥用理解社交媒体流行的操纵”一文，发表在万维网会议上。该团队包括纽约大学丹顿分校计算机科学与工程学教授Damon McCoy博士。学生Janith Weerasinghe，以及Drexel大学研究人员Bailey Flanigan和Aviel Stein。

该项目的第一个特征是豆荚生态系统的一部分的区别特征，使用模式和操作规则，该项目涉及分析属于111,455个独特Instagram帐户的180万个Instagram帖子，并在Twitter的即时消息上托管的400多个Instagram豆荚中做广告消息传递服务Telegram。

该团队从Pod组中收集元数据，收集与Pod和控制站相关的Instagram数据，以训练分类器(一种用于为特定数据点分配标签的机器学习功能)，以检测Pod的参与度，然后分析Pod的功效发现使用豆荚是否可以增加有机互动。

研究人员使用机器学习模型来高精度地预测Instagram帖子是否是pod的一部分，而不管交互和参与的程度如何。通过研究与帖子的互动在用户个人资料中随时间变化的方式，他们发现Pod中的帖子促进了自然的帖子互动。

格林斯塔特说：“推动我们探索的主要发现是，豆荚通常在其他豆荚的留言板上做广告，这使我们可以在豆荚留言板上搜索以发现新的豆荚。” “可能有很多我们没有观察到的豆荚集中在诸如时装，摄影或企业家精神之类的特殊兴趣主题上，还有根据追随者人数而定的进入要求的豆荚。”