آنلاین دروغ گفتن 6 29

سه چیز وجود دارد که می توانید در زندگی مطمئن شوید: مرگ، مالیات و دروغ گفتن. به نظر می رسد که اخیرا توسط رفراندوم اخیر Brexit بریتانیا، با a عدد از ترک مبارزات انتخاباتی وعده به دنبال بیشتر پسندیدن کیک پسته از حقایق جامع.

اما از تبلیغات اینترنتی، برنامه های ویزا و مقالات علمی به وبلاگ های سیاسی، ادعاهای بیمه و پروفایل های دوستیابی، مکان هایی بی شماری وجود دارد که ما می توانیم دروغ های دیجیتال را بیابیم. پس چگونه می توان در مورد پدیده های این فیبرهای آنلاین چاره انداخت؟ خوب، استفان لودویگ از دانشگاه وست مینستر، کو د رایتر از مدرسه کسب و کار دانشگاه شهرداری لندن، مایک فریدمن از دانشگاه کاتولیک لوئین، و شما واقعا یک آشکارساز دروغ دیجیتال را توسعه داده اید - و می تواند کل یک میزبان اینترنت غیر واقعی را کشف کند .

در تحقیق جدید ما، ما از نشانه های زبانی برای مقایسه ده ها هزار ایمیل که قبلا شناسایی شده اند به عنوان دروغ با کسانی که شناخته شده به حقیقت است. و از این مقایسه، ما یک الگوریتم تحلیلی متن را ایجاد کردیم که می تواند فریب را شناسایی کند. این کار در سه سطح انجام می شود.

1 استفاده از کلمه

در صورت برخورد با مقادیر زیاد داده های دیجیتال، جستجو کلمات کلیدی می تواند روشی مناسب باشد. بنابراین، ما ابتدا تفاوت در استفاده از کلمه بین دو مجموعه سند را کشف کردیم. این تفاوتها متن را مشخص می کنند که احتمالا حاوی دروغ است. ما متوجه شدیم افرادی که دروغ می گویند عموما از ضمایر شخصی کمتری مثل من، شما و او استفاده می کنند و از ویژگی های بیشتری مانند درخشان، بی تفاوتی و عالی برخوردار است. آنها همچنین از ضمایر تک نفره اول شخص مانند من، من، معدن استفاده می کنند، با کلمات مخالف مانند می تواند، باید، و نیز ضمایر دوم شخص (شما، شما) با کلمات موفقیت (کسب، قهرمان) ، پیروزی).

ضمانت های شخصی کمتر نشان دهنده تلاش نویسنده برای جدا شدن از کلمات خود است، در حالی که با استفاده از صفت های بیشتر، تلاشی است برای از بین بردن دروغ از طریق طغیان توصیف های اضافی. ضمیر ضرب المثل تک تک افراد همراه با کلمات اختلال نشان دهنده فقدان ظرافت و یک تصویر مثبت است، در حالی که ضمایر دوم شخص ثالث همراه با کلمات موفقیت نشان دهنده تلاشی برای رسیدن به اهداف است. بنابراین ما این ترکیبی از اصطلاحات جستجو را در الگوریتم ما گنجانده ایم.


گرافیک اشتراک درونی


2 بررسی ساختار

بخش دیگری از این راه حل، تجزیه و تحلیل کلمات فرآیند شناختی، مانند علت است، زیرا، می داند و باید - و ما ارتباط بین کلمات ساختاری و دروغ را شناسایی کردیم.

دروغگو ها نمی توانند ایمیل های فریبنده ای را از حافظه واقعی ایجاد کنند، به طوری که آنها از فریبندگی جلوگیری می کنند تا از شناسایی فرار کنند. این بدان معنا نیست که دروغگودها به طور کلی از کلمات فرایند شناختی بیشتر نسبت به افرادی که حقیقت را می گویند، استفاده می کنند، اما آنها این کلمات را به طور پیوسته در بر می گیرند. به عنوان مثال، آنها تمایل دارند که هر جمله را به دیگری متصل کنند - "ما می دانیم که این به خاطر این اتفاق افتاده است، زیرا این باید مورد باشد". الگوریتم ما چنین استفاده از کلمات فرایند را در ارتباطات تشخیص می دهد.

3 رویکرد صلیب پست الکترونیکی

ما همچنین روشهایی را بررسی کردیم که فرستنده ایمیل یک سبک زبانی خود را تغییر می دهد در حالیکه تعدادی ایمیل با شخص دیگری تغییر می کند. این قسمت از مطالعه نشان داد که به عنوان مبادله ادامه یافته است، بیشتر فرستنده تمایل به استفاده از کلمات تابع که گیرنده استفاده می کند.

کلمات تابع عبارت هستند که به نحوی یا ساختار کمک می کنند، و نه به معنی یک جمله - به عنوان مثال، من، من، به. فرستنده ها سبک زبانی پیام های خود را برای مطابقت با گیرنده اصلاح کردند. در نتیجه، الگوریتم ما این تطابق را شناسایی و جمع آوری می کند.

برنامه های هیجان انگیز

دیده بانان مصرف کننده می توانند از این فناوری استفاده کنند تا نمره "احتمالا دروغگو" را به تبلیغات ماهیت مشکوک اختصاص دهد. شرکت های امنیتی و نیروهای مرزی ملی می توانند از الگوریتم برای ارزیابی اسناد و مدارک مانند درخواست های ویزا و کارت های فرود استفاده کنند تا بهتر بتوانند نظارت بر انطباق با قوانین و مقررات دسترسی و ورود را بررسی کنند. دبیران کمیته های امتحان آموزش عالی و سردبیران مجلات علمی می توانند ابزارهای اثباتیشان را برای بررسی خودکار پایان نامه های دانشجویی و مقالات علمی برای سرقت ادبی، بهبود بخشند.

در حقیقت، برنامه های کاربردی بالقوه ادامه می دهند. وبلاگ های سیاسی می توانند به طور موفقیت آمیزی بر تعاملات رسانه های اجتماعی برای ناهنجاری های متنی نظارت کنند، در حالی که سایت های دیدار و بررسی می توانند پیام های ارسال شده توسط کاربران را بر مبنای نمره "احتمالا دروغگو" خود طبقه بندی کنند. شرکت های بیمه می توانند از زمان و منابع خود برای اداره ادعا استفاده کنند. حسابداران، مشاورین مالیاتی و متخصصان قانونی میتوانند از صورت حسابهای مالی و مطالبات مالیاتی و از طریق الگوریتم ما، اسلحه سیگار کشیدن را پیدا کنند.

انسانها به طور آشکارا فریب تشخیص میدهند. در واقع، دقت انسان در هنگام کشف دروغ فقط 54٪ است، به سختی بهتر از شانس. در عین حال آشکارساز دروغ دیجیتال 70٪ دقیق است. این می تواند برای مبارزه با تقلب در هر کجا که در محتوای کامپیوتری اتفاق می افتد کار کند و با پیشرفت تکنولوژی، هشدارهای پینوکیو کاملا خودکار می شود و دقت آن حتی بیشتر می شود. درست همانطور که بینی پینوکیو رفلکتیو را به دروغ می گوید، دروغ سنج دیجیتال ما نیز چنین است. فیببره مراقب باشید

درباره نویسنده

گفتگوتام ون لر، استاد ارشد بازاریابی، دانشگاه شهید لندن

این مقاله در اصل در تاریخ منتشر شد گفتگو. دفعات بازدید: مقاله.

کتاب های مرتبط

at InnerSelf Market و آمازون