基于CTCMC欺騙行為特征的抽取方法研究.pdf

1、隨著網(wǎng)絡(luò)與計算機技術(shù)的不斷進(jìn)步，以計算機為媒介的通信(CMC)不僅改變了人們的日常生活，同時也為欺騙帶來了新的場所和新的形式。從大量的電子數(shù)據(jù)中自動地檢測和發(fā)現(xiàn)欺騙是一個意義重大的任務(wù)，而有效的欺騙特征對欺騙檢測至關(guān)重要。
　　欺騙是一種通過通信媒介發(fā)生的日常事件，因特網(wǎng)的發(fā)展顯著地增加了個人和組織接收和存儲的文本信息的數(shù)量。人們不僅需要過濾這些信息，而且需要判斷這些信息是否是欺騙的。大量的通過CMC傳遞的文本信息反映出，人們不能

2、成功并高效地檢測出那些大量的可能是欺騙的信息。人們渴望制造出一個能自動地幫助人們檢測出CMC中的欺騙信息的工具。而且研究表明三分之一的人際交往會涉及到欺騙，因此欺騙行為的特征抽取具有很重要的現(xiàn)實意義。此外，不斷增長的網(wǎng)絡(luò)信息使得欺騙信息也大量存在，對這些信息進(jìn)行人工過濾和監(jiān)視是不現(xiàn)實和低效的，所以自動地檢測欺騙也是信息安全和信息化處理技術(shù)發(fā)展的必要要求，而欺騙行為的特征抽取又是進(jìn)行欺騙檢測的前提和基礎(chǔ)。
　　欺騙檢測是一項很有前途

3、，但也是很有挑戰(zhàn)性的任務(wù)。本文在建立欺騙檢測語料庫的基礎(chǔ)上，從現(xiàn)有的相關(guān)文獻(xiàn)資料中抽取出一些被認(rèn)為是有可能的線索，結(jié)合中文語料的自身特點，提出了線索假設(shè)，并在實驗中進(jìn)行驗證，此外，在使用CHI統(tǒng)計方法進(jìn)行特征項抽取后，使用貝葉斯和SVM模型對欺騙檢測語料進(jìn)行檢測。
　　主要研究內(nèi)容有以下幾個方面:
　　1.采集用于欺騙檢測的數(shù)據(jù)集，并根據(jù)欺騙的定義對采集的數(shù)據(jù)集進(jìn)行區(qū)分，挑選出適合用于欺騙檢測的數(shù)據(jù)集。
　　2.從現(xiàn)有

4、的相關(guān)文獻(xiàn)資料中抽取出一些被認(rèn)為是有可能的線索，在此基礎(chǔ)上結(jié)合中文文本的特點提出新的線索假設(shè)，并對每個假設(shè)給出詳細(xì)的量化表示，通過欺騙檢測實驗數(shù)據(jù)驗證假設(shè)的真?zhèn)巍?br>　　3.文本特征的抽取。在對訓(xùn)練集文本進(jìn)行分詞等預(yù)處理之后，構(gòu)成文本的詞匯的數(shù)量是相當(dāng)大，因此需要進(jìn)行降維處理即抽取特征項，在本文中使用了互信息和CHI統(tǒng)計方法進(jìn)行對比實驗。
　　4.文本的向量化表示。在抽取特征項之后，每個文本即可由所選取的對欺騙檢測貢獻(xiàn)較大的特

5、征項來表示。文本進(jìn)行向量化表示，可以方便使用檢測模型對文本進(jìn)行檢測。
　　5.在文本特征抽取和文本向量化的基礎(chǔ)上，使用貝葉斯和SVM來訓(xùn)練模型并對測試語料進(jìn)行檢測，對實驗結(jié)果進(jìn)行分析。
　　實驗結(jié)果對假設(shè)的支持和我們的預(yù)期有些差距，但是真實新聞和欺騙新聞在一些語言特征上存在著顯著的不同。另外，使用貝葉斯模型對測試語料進(jìn)行檢測的實驗結(jié)果顯示開放測試的精確率、召回率和F-值分別可達(dá)到52.174％，96％和0.67606。使用S