一种吹嘘的个人模型：真实世界高风险情境下的欺骗检测
计算与语言
2018-11-07 v1 人机交互
摘要
语言使用揭示了我们是谁以及我们的感受1-3。文本分析的先驱之一Walter Weintraub手动统计了人们在医学访谈中使用的词类，并表明第一人称单数代词（即I、me、my）的频率是抑郁症的可靠指标，抑郁者比非抑郁者更频繁地使用I4。若干研究已证明语言使用在真实与欺骗性陈述之间也存在差异5-7，但并非所有差异在人与情境间都一致，使得预测困难8。此处我们通过构建 tailored 于单一个体——即现任美国总统——的模型，展示语言欺骗检测在个体层面的表现。利用由独立第三方（华盛顿邮报）事实核查的推文，我们发现事实正确与不正确的推文之间存在显著语言差异，并基于这些差异建立了定量模型。接着，我们预测了样本外推文的事实正确与否，取得了73%的总体准确率。我们的结果展示了在个体层面应用的真实世界欺骗研究中语言分析的力量，并提供证据表明事实不正确的推文并非发送者的随机错误。
引用
@article{arxiv.1811.01938,
title = {A personal model of trumpery: Deception detection in a real-world high-stakes setting},
author = {Sophie van der Zee and Ronald Poppe and Alice Havrileck and Aurelien Baillon},
journal= {arXiv preprint arXiv:1811.01938},
year = {2018}
}