关于集成学习的中文文本欺骗检测探讨

王治军　罗江洲

在当前社会发展过程中，信息交流、文本信息交换是社会发展的主要环节。然而在数据化时代，数据文本信息的交流和交换仍然存在诸多问题，有很大一部分数据信息存在虚假和欺骗行为，影响到数据信息的安全性。因此，在现代网络信息甄别过程中，应该落实好欺骗检测方法的研究，做好对中文文本信息的欺骗检测。

欺骗属于社会科学范畴，其具体是指在当前社会信息交流过程中，存在有虚假信息，处于目的性发送错误信息，导致信息接收者得到错误信息的结论。欺骗行为是一种影响到事物讨论结果的行为，大多数欺骗行为具有危害性，危害到社会公众或者个人利益。从现代检测过程中，中文文本欺骗检测的有效方法还比较少，这会影响到信息欺骗检测效果。

集成学习在机器学习的有监督学习算法中，我们的目标是学习出一个稳定的且在各个方面表现都较好的模型，但实际情况往往不理想，有时我们只能得到多个有偏好的模型（弱监督模型，在某些方面表现得比较好）。集成学习就是组合这里的多个弱监督模型以期得到一个更好更全面的强监督模型，集成学习潜在的思想是即便某一个弱分类器得到了错误的预测，其他的弱分类器也可以将错误纠正回来。集成学习在各个规模的数据集上都有很好的策略。

（一）欺骗检测模型

基于集成学习的中文文本欺骗检测过程中，文本信息检测非常关键。……