本书系统深入地探讨了在以知识成果为导向的众包竞赛中各类线索对线上欺诈检测的价值，利用机器学习方法构建了有效的欺诈预警系统，实现了对众包竞赛项目的全程监控与风险预警。本书的重点研究内容主要分为三个部分：第一部分分析以知识成果为目标的欺诈行为，利用各种机器学习方法验证了各类型检测线索的有效性与价值；第二部分提出了一个分阶段的欺诈智能化的监控与检测框架，有效地避免了后续欺诈行为的产生以及降低了纠纷处理成本；第三部分引入社会网络分析方法，验证社会网络中的二元特征对于欺诈意图判别的有效性，并进一步提高了预警系统输入阶段的风险防范与控制能力。

1 绪论
1.1 研究背景
1.2 研究问题
1.3 研究意义
1.3.1 理论意义
1.3.2 实践意义
1.4 研究内容与方法
1.4.1 研究内容
1.4.2 研究方法
1.5 主要创新点
2 文献综述
2.1 开放式创新的众包模式
2.2 线上欺诈检测
2.3 社会网络分析
2.4 文献评述
3 动静态环境下的语言与非语言线索在众包发起方欺诈检测中的价值探索
3.1 研究背景
3.2 欺诈理论概述
3.3 研究假设
3.4 研究方法
3.4.1 数据与数据预处理
3.4.2 预测模型与评估方法
3.5 实证检验与结果
3.5.1 描述性统计
3.5.2 实证结果
3.6 研究结论
3.7 本章小结
4 基于流程视角的众包发起方欺诈防控与预警
4.1 研究背景
4.2 研究问题
4.3 研究方法
4.4 实证检验与结果
4.4.1 描述性统计
4.4.2 实证结果
4.5 稳健性检验
4.6 预警框架设计
4.7 研究结论
4.8 本章小结
5 基于社会网络分析的众包发起方欺诈检测
5.1 研究背景
5.2 研究问题
5.2.1 中心性
5.2.2 凝聚性
5.2.3 结构对等性
5.3 研究方法
5.3.1 数据
5.3.2 网络构建与网络结构特征提取
5.4 研究结果
5.4.1 中心性与凝聚性分析结果
5.4.2 结构对等性分析结果
5.5 机器学习预警模型的效果提升
5.6 研究结论
5.7 本章小结
6 研究结论与展望
6.1 研究结论
6.2 管理建议
6.3 不足与展望
参考文献