| 中文摘要 | 第12-14页 |
| ABSTRACT | 第14-16页 |
| 第一章 绪论 | 第17-38页 |
| 1.1 研究背景和意义 | 第17-20页 |
| 1.1.1 研究背景 | 第17-19页 |
| 1.1.2 研究意义 | 第19-20页 |
| 1.1.3 研究目标 | 第20页 |
| 1.1.4 课题来源 | 第20页 |
| 1.2 研究现状与分析 | 第20-32页 |
| 1.2.1 欺骗检测理论研究 | 第20-25页 |
| 1.2.2 欺骗检测实验研究 | 第25-26页 |
| 1.2.3 欺骗检测数据集研究 | 第26-29页 |
| 1.2.4 欺骗检测模型研究 | 第29-30页 |
| 1.2.5 研究现状分析 | 第30-32页 |
| 1.3 研究难点 | 第32-33页 |
| 1.4 论文的主要工作 | 第33-35页 |
| 1.5 论文结构 | 第35-38页 |
| 第二章 欺骗检测语料库构建 | 第38-49页 |
| 2.1 问题描述 | 第38页 |
| 2.2 什么是欺骗检测语料库 | 第38-39页 |
| 2.2.1 语料库简介 | 第38-39页 |
| 2.2.2 欺骗的定义 | 第39页 |
| 2.2.3 欺骗检测语料库的意义 | 第39页 |
| 2.3 语料库的来源和建立原则 | 第39-43页 |
| 2.3.1 语料库的构建流程 | 第39-40页 |
| 2.3.2 语料库的建立原则 | 第40-42页 |
| 2.3.3 语料库的来源 | 第42-43页 |
| 2.4 语料的深加工 | 第43-46页 |
| 2.4.1 文本预处理 | 第44页 |
| 2.4.2 分词与词性标注 | 第44页 |
| 2.4.3 句法标注 | 第44页 |
| 2.4.4 语料库一致性检验 | 第44-46页 |
| 2.5 语料库规模及示例 | 第46-48页 |
| 2.6 本章小结 | 第48-49页 |
| 第三章 欺骗特征线索抽取 | 第49-69页 |
| 3.1 问题描述 | 第49-50页 |
| 3.2 基于假设检验的语言线索抽取 | 第50-59页 |
| 3.2.1 语言线索 | 第51-53页 |
| 3.2.2 假设定义 | 第53页 |
| 3.2.3 假设验证 | 第53-58页 |
| 3.2.4 假设分析 | 第58-59页 |
| 3.3 文本特征抽取 | 第59-65页 |
| 3.3.1 基于词法分析的特征抽取 | 第59-62页 |
| 3.3.1.1 互信息 | 第60-61页 |
| 3.3.1.2 CHI统计 | 第61-62页 |
| 3.3.2 特征抽取实验 | 第62-65页 |
| 3.4 基于依存句法分析的特征抽取 | 第65-67页 |
| 3.5 本章小结 | 第67-69页 |
| 第四章 基于分类技术的欺骗检测方法 | 第69-83页 |
| 4.1 欺骗检测模型 | 第69-70页 |
| 4.2 文本分类模型 | 第70-75页 |
| 4.2.1 文本表示模型 | 第70-71页 |
| 4.2.2 贝叶斯模型 | 第71-72页 |
| 4.2.3 最大熵模型 | 第72-74页 |
| 4.2.4 支持向量机 | 第74-75页 |
| 4.3 模型评价指标 | 第75-76页 |
| 4.4 欺骗检测实验 | 第76-82页 |
| 4.4.1 Bayes模型检测结果 | 第76-77页 |
| 4.4.2 ME模型检测结果 | 第77-78页 |
| 4.4.3 SVM模型检测结果 | 第78-80页 |
| 4.4.4 实验结果分析 | 第80-82页 |
| 4.5 本章小结 | 第82-83页 |
| 第五章 基于多粒度认知的欺骗检测方法 | 第83-93页 |
| 5.1 基于多粒度认知的欺骗检测模型 | 第83-85页 |
| 5.1.1 基于多特征的欺骗检测模型 | 第83-84页 |
| 5.1.2 基于多层次的欺骗检测模型 | 第84-85页 |
| 5.2 模型评价指标 | 第85-86页 |
| 5.3 多特征模型实验结果 | 第86-91页 |
| 5.3.1 基于FT1的检测结果 | 第86-87页 |
| 5.3.2 基于FT2的检测结果 | 第87-89页 |
| 5.3.3 基于FT3的检测结果 | 第89页 |
| 5.3.4 实验结果比较 | 第89-91页 |
| 5.4 本章小结 | 第91-93页 |
| 第六章 基于集成学习的欺骗检测方法 | 第93-106页 |
| 6.1 问题描述 | 第93-94页 |
| 6.2 基于集成学习的欺骗检测模型 | 第94-95页 |
| 6.3 任务分解与集成策略 | 第95-99页 |
| 6.3.1 随机划分 | 第95-96页 |
| 6.3.2 基于聚类的样本集划分 | 第96-97页 |
| 6.3.3 结合分类器分类正确率的最小最大模块化模型 | 第97-99页 |
| 6.4 模型评价指标 | 第99-100页 |
| 6.5 实验结果与分析 | 第100-105页 |
| 6.5.1 建立模型评价基线 | 第100-101页 |
| 6.5.2 基于数据集划分的欺骗检测 | 第101-103页 |
| 6.5.3 实验结果分析 | 第103-105页 |
| 6.6 本章小结 | 第105-106页 |
| 结论与展望 | 第106-109页 |
| 附录：论文相关缩写说明 | 第109-110页 |
| 参考文献 | 第110-120页 |
| 博士研究生期间取得的研究成果 | 第120-121页 |
| 著作 | 第121-122页 |
| 博±期间主要参与的科研项目 | 第122-123页 |
| 致谢 | 第123-124页 |
| 个人简况及联系方式 | 第124-127页 |