面向中文文本的欺骗行为检测方法研究.PDFVIP

山西大学学报 (自然科学版)32(4)：541～545，2009 JournalofShanxiUniversity(Nat．Sei．Ed．) 文章编号 ：0253—2395(2O09)04—0541—05 面向中文文本的欺骗行为检测方法研究 郑家恒 ，张 虎 ，魏善德 ，谭红叶 (山西大学 计算机与信息技术学院，山西 太原 030006) 摘 要 ：随着 网络应用 的扩展 ，个人或组织会收到或存储越来越多的信息，计算机 中介通讯 中时刻有大量的文本信 息传输 ，然而人们仍然没有提 出有效的办法识别其 中的欺骗信息，因此 ，提 出一种能 自动检测欺骗 的方法是非常迫 切 的．由于 目前关于 中文欺骗语料库仍少相关报道 ，因此文章基于两个步骤实现 ，首先建立欺骗性语料库 ，然后通 过 对欺骗性语料 和非欺骗 性语 料的分析 ，提 出一种基 于分类的欺骗 行为检 测 方法．实验 结果 显示开放 测试 系统的 精确率、召回率和 F一值分剐可达到 78．3 、72 和 0．75． 关键词 ：欺骗检测语料库 ；欺骗检测模型 ；分类 中图分类号 ：TP391 文献标识码 ：A 0 引言 欺骗已在社会科学的很多学科中被广泛研究．它是指信息发送者故意传递错误信息并导致信息接收者 得出错误的结论口]．随着计算机技术和网络技术的不断发展 ，以计算机为 中介的通信 (CMC)改变和改善了 人们的 日常生活 ，但同时也为欺骗和诈骗带来了新 的场所和新的形式．如何从大量电子文本中 自动地检测欺 骗行为 ，关系到人民生活的安全 、企业 的存亡和国家 的稳定．以计算机为介质 的通信 (CMC)可 以采用基于文 本 、音频 、音 ／视频 ，或多媒体等多种形式 ，其中，基于文本的 CMC(Text—BasedCMC，TCMC)则是只通过文 本而不借助音频或视频等其他方式来传递信息，目前在 网络上绝大多数的信息是通过计算机以文本的形式 (如：email、网页正文等)进行传递 ，因此 ，对基于 CMC的中文文本 (ChineseText—BasedCMC，CTcMc)欺骗 行为检测的研究具有重要的意义． 迄今为止国外对 CMC欺骗检测的关注还不太 多，整体上处于刚刚开始的初级 阶段．而专门针对 CTC— MC的欺骗检测研究在国内外还尚未开始．目前已有的研究主要有两方面 ：欺骗理论的研究和欺骗检测的实 验研究． 欺骗理论的研究开展相对 比较早 ，其 中已成为 CMC欺骗检测研究的理论基础，并用于构建实验假设的 理论主要有 ：①媒介丰富性理论 (Mediarichnesstheory，MRT)口]，从文[1]知最初 由DaftR． LengelR． 1986年提出．媒介丰富性指在媒介 中的通讯者达到互相理解所需要 的时间．②社会存在理论 (Socialpres— encetheory，SPT)c ，由Short等人提出．该理论强调了将通讯者作为 “真实人”在媒介环境 中彼此理解或感 知的程度．③媒介扩展理论 (Channelexpansiontheory，CET)l1]，由CarlsonJ． ZmudR．提出．该理论表 明：媒介传递信息的丰富程度可能依赖于个体对媒介的使用经验．例如：当一个人使用 email一段时间后 ，会 认为该媒介可传递更丰富的信息 ，就倾 向于选择使用这个媒介．④人与人之 间的欺骗理论 (Interpersonalde— ceptiontheory，IDT)口]，由BullerD．andBurgoonJ．提 出．IDT将欺骗看成一种交流活动 ，并通过识别其中 的两个特征：预交互和交互 ，发现 ：欺骗通讯中的预交互决定发送者和接收者的初始认知和行为 ，接收者的认 知和行为影响他的检测准确率和可信度的判断，而信息发送者反过来又被接收者的认知和行为所影响，这个 过程不断重复直到通讯终止． 收稿 日期 ：2009—07-28 基金项 目：国家 自然科学基金 作者简介 ：郑家恒 (1948一)，女，湖南人 ，教授 ，博士生导师，主要研究领域为中文信息处理．E—mail,．jhzheng@sxu．edu．cn 山西大学学报(自然科学版) 目前针对CMC欺骗检测进行实验研究 ，并提供实验数据来检验理论假设的研究主要有 8项 ，每项研究 都从不同角度调查 了CMC中的