1、隨著網絡與計算機技術的不斷進步，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)據中自動地檢測和發(fā)現(xiàn)欺騙是一個意義重大的任務，而有效的欺騙特征對欺騙檢測至關重要。
　　欺騙是一種通過通信媒介發(fā)生的日常事件，因特網的發(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，不斷增長的網絡信息使得欺騙信息也大量存在，對這些信息進行人工過濾和監(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發(fā)展的必要要求，而欺騙行為的特征抽取又是進行欺騙檢測的前提和基礎。
　　欺騙檢測是一項很有前途

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

4、的相關文獻資料中抽取出一些被認為是有可能的線索，在此基礎上結合中文文本的特點提出新的線索假設，并對每個假設給出詳細的量化表示，通過欺騙檢測實驗數(shù)據驗證假設的真?zhèn)巍?br>　　3.文本特征的抽取。在對訓練集文本進行分詞等預處理之后，構成文本的詞匯的數(shù)量是相當大，因此需要進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較大的特

5、征項來表示。文本進行向量化表示，可以方便使用檢測模型對文本進行檢測。
　　5.在文本特征抽取和文本向量化的基礎上，使用貝葉斯和SVM來訓練模型并對測試語料進行檢測，對實驗結果進行分析。
　　實驗結果對假設的支持和我們的預期有些差距，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行檢測的實驗結果顯示開放測試的精確率、召回率和F-值分別可達到52.174％，96％和0.67606。使用S