Une méthode collaborative pour identifier les spams: contribution à la qualité de l'information dans les réseaux sociaux

14th French Information Retrieval ConferenceNational audiencePrevent the actions of malicious users called "spammers" is a real challenge to maintain a high level of performance in applications implemented in social networks. Conventional spam detection methods impose large and unavoidable processing times, for example up to months for processing large collections of tweets. These methods entirely dependent on the supervised learning approach chosen to produce classification models, require a set of ground truth data that is not available for this type ofapplications. We propose a method based on an unsupervised linguistic model that collaborates with other social networks to detect spam tweets in subjects that generate large volumes of exchanges, for example from used hashtags. Our method has been experimented on more than 6 million tweets posted in 100 trending topics. Facebook is used in parallel as a ground truth allowing the collaboration oftwo different social networks. Our experiments show an efficiency with regard to processing time and classification performance, compared to the conventional methods of detecting spam in tweets.Contrer les actions des utilisateurs mal intentionnés dits "spammeurs" est un réel défi pour maintenir un haut niveau de performance dans les applications mises en oeuvre dans les réseaux sociaux. Les méthodes conventionnelles de détection de spams imposent des délais de traitement importants et inévitables, allant par exemple jusqu’à des mois pour traiter de grandes collections de tweets. Ces méthodes entièrement dépendantes de l’approche d’apprentissage supervisé choisie pour produire des modèles de classification, requièrent un ensemble de données vérité terrain qui n’est pas disponible pour ce type d’applications. Nous proposons donc une méthode basée sur un modèle linguistique non supervisé qui effectue une collaboration avec d’autres réseaux sociaux pour détecter les tweets spam dans des sujets qui génèrent de gros volumes d’échanges, par exemple à partir des hashtags utilisés.Notre méthode a été expérimentée sur plus de 6 millions de tweets postés dans 100 thématiques "tendances". Facebook est utilisé en parallèle comme vérité terrain permettant ainsi la collaboration de deux réseaux sociaux différents. Nos expérimentations démontrent une efficacité en ce qui concerne le temps de traitement et la performance de classification, par rapport aux méthodes classiques dedétection de spam dans les tweets