Состав и структура корпуса текстов RUSSIAN DECEPTION BANK, предназначенного для разработки методик диагностирования лжи в речи

Ложь, по-видимому, существует столько же, сколько существует сам человек, и на протяжении всей истории человечества предпринимались попытки разработать методы ее идентификации, поскольку, как доказывают современные исследования, человек в среднем определяет ложь с вероятностью, лишь немногим превышающей случайную величину (truth bias) [9]. Особенно актуальной является проблема обнаружения заведомо искаженной информации в ситуациях, когда цена лжи высока. В последние годы в связи с повышением уровня террористической угрозы проблема выявления лжи стала одной из проблем, от решения которой напрямую зависит уровень национальной безопасности.  Однако надежные методы выявления лжи до настоящего времени не разработаны. В течение длительного времени основное внимание уделялось невербальным маркерам лжи. Как отмечается в литературе [10], например, сотрудники правоохранительных органов обычно уделяют гораздо больше внимания невербальному поведению подозреваемого, в результате чего точность распознавания лжи оказывается достаточно низкой.  Но как показали многочисленные исследования, анализ речи более эффективен для выявления лжи, чем анализ невербального поведения [6; 9]. Более того, в некоторых работах [4; 5; 7] показано, что анализ одного только речевого уровня гораздо более эффективен в выявлении лжи, чем анализ невербального поведения.

В то же время существующие методики выявления лжи в речи (как правило, в виде структурированного интервью), в ряде стран использующиеся в работе правоохранительных органов, отличаются субъективностью [4]. В последние годы к решению проблемы выявления лжи в речи стали применяться методы computer science, а указанная задача решается как задача классификации текстов на основе численных значений их языковых параметров [5]. Большинство подобных исследований выполнены на материале английского языка.

Для подобных исследований необходимы специальные корпусы текстов, «истинность»/«ложность» которых установлена. Также желательно, чтобы в корпусе содержались «правдивые» и «ложные» тексты от одного и того же автора. Сбор таких корпусов текстов представляет собой сложную научную задачу, поэтому многие исследователи используют тексты, созданные специально для решения поставленной задачи; авторами текстов, выступают, как правило, студенты (см. подробнее: [8]). Существуют, однако, и работы, выполненные на материале «реальных» текстов, истинность/ложность которых известна (как правило, из материалов судебной практики), однако такого рода корпусы, как правило, небольшого объема, что делает затруднительным применение к ним методов машинного обучения [1]. Кроме того, контроль темы текста в таких случаях невозможен. Очевидна также необходимость сравнения особенностей «ложных» текстов, созданных в разных условиях.

Не вызывает сомнений, что для разработки методик выявления лжи в речи необходимы корпусы, содержащие как тексты, созданные в экспериментальных условиях, так и тексты «реального» мира. До настоящего времени не существовало такого корпуса текстов на русском языке. В 2015 году лабораторией корпусной социолингвистики и автороведческих исследований был инициирован сбор корпуса текстов, специально предназначенного для исследования проблемы диагностирования лжи в речи, – Russian Deception Bank [8]. Корпус содержит как «экспериментальные» (Experimental Texts Subcorpus), так и «реальные» тексты (Real Texts Subcorpus) и постоянно пополняется.

Experimental Texts Subcorpus содержит «правдивые» и «ложные» тексты каждого автора (N = 121) – нарративы на тему «Как я провел вчерашний день?» (или любой другой день), а также данные об авторах (пол, возраст, результаты психологического тестирования), что позволит в дальнейшем исследовать, как характеристики личности влияют на особенности продуцирования им «ложного» текста [8]. Ниже приведены примеры «правдивого» и «ложного» текста от одного респондента (орфография и пунктуация автора сохранены) (табл. 1).

Таблица 1.

Примеры текстов корпуса