首先，本书系统、深入地探讨了在众包平台中各类线索对线上欺诈检测的价值。其次，本书基于机器学习方法，构建了有效的欺诈风险预警系统，完成了对众包项目的自动跟踪和监控，实现了对风险因素的全程控制和预警。最后，本书提出通过智能化的欺诈检测方案，构建合理的自动检测机制，从而降低众包欺诈风险，减少信息过载和争议处理成本，更好地构建公平且完善的平台环境，提升大众在知识价值创造工作中的积极性，保证众包模式与开放式创新获得多样化创新源。

首先，本书系统、深入地探讨了在众包平台中各类线索对线上欺诈检测的价值。其次，本书基于机器学习方法，构建了有效的欺诈风险预警系统，完成了对众包项目的自动跟踪和监控，实现了对风险因素的全程控制和预警。最后，本书提出通过智能化的欺诈检测方案，构建合理的自动检测机制，从而降低众包欺诈风险，减少信息过载和争议处理成本，更好地构建公平且完善的平台环境，提升大众在知识价值创造工作中的积极性，保证众包模式与开放式创新获得多样化创新源。

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