Lying Through One's Teeth: A Study on Verbal Leakage Cues

على الرغم من أن العديد من الدراسات تستخدم معجم Liwc لإظهار وجود إشارات تسرب لفظية في مجموعات بيانات الكشف، لا شيء ما ذكر كيف تتأثر إشارات التسرب اللفظي بوسائل جمع البيانات، أو تأثيرها على أداء النماذج. في هذه الورقة، ندرس إشارات التسرب اللفظي لفهم تأثير طريقة بناء البيانات على أهميتها، وفحص العلاقة بين صلاحية هذه العظة وصحة النماذج. يتم استخدام عشرات هيمنة فئة Word-فئة Liwc من سبع مجموعات بيانات الكشف عن الكذب لإظهار أن البيانات الصوتية والشروح القائمة على الكذب تشير إلى عدد أكبر من فئات التسرب اللفظي القوي. علاوة على ذلك، نقوم بتقييم صحة نماذج الكشف عن حديثة الكذب مع الاختبار عبر مجموعة البيانات. تظهر النتائج أنه في كلا النوعين من الاختبار، تدرب النماذج على مجموعة بيانات مع فئات جديلة تسرب شفهية أكثر قوة - - على عكس عدد أكبر من الإشارات القوية --- تسفر عن نتائج فائقة، مما يشير إلى أن العظة التسرب اللفظي هي عامل رئيسي لاختيار مجموعات بيانات الكشف عن الكذب.

Although many studies use the LIWC lexicon to show the existence of verbal leakage cues in lie detection datasets, none mention how verbal leakage cues are influenced by means of data collection, or the impact thereof on the performance of models. In this paper, we study verbal leakage cues to understand the effect of the data construction method on their significance, and examine the relationship between such cues and models' validity. The LIWC word-category dominance scores of seven lie detection datasets are used to show that audio statements and lie-based annotations indicate a greater number of strong verbal leakage cue categories. Moreover, we evaluate the validity of state-of-the-art lie detection models with cross- and in-dataset testing. Results show that in both types of testing, models trained on a dataset with more strong verbal leakage cue categories---as opposed to only a greater number of strong cues---yield superior results, suggesting that verbal leakage cues are a key factor for selecting lie detection datasets.