一个多模态语义增强注意网络用于假新闻检测
Weijie Chen1, Yuzhuo Dang1, Xin Zhang1
1National Key Laboratory of Information Systems Engineering, National University of Defense Technology, No. 109 Deya Street, Changsha 410073, China.
Entropy (Basel, Switzerland)
|July 29, 2025
概括
本研究介绍了语义增强的跨模态共同注意网络 (SCCN),以打击多模态假新闻. SCCN有效地整合了文本,图像和社会背景,以改善内容真实性验证.
科学领域:
- 人工智能的人工智能
- 计算机科学 计算机科学
- 信息科学 信息科学 信息科学
背景情况:
- 社交媒体的兴起导致多式联络虚假新闻的增加,挑战了当前的检测方法.
- 现有的假新闻检测系统通常会单独分析文本或图像,忽视关键的跨模式关系和社会背景.
研究的目的:
- 开发一个新的框架,语义增强的跨模态共同注意网络 (SCCN),用于多模态假新闻检测.
- 利用多式联运功能和社会图形信号的协同集成,以加强真实性验证.
主要方法:
- 一个分层的融合框架,结合文本,图像和社会关系特征.
- 通过在文本和视觉数据中的实体识别进行语义增强.
- 一个改进的共同注意力机制,以整合社会关系,减少噪音,并识别信息链接.
主要成果:
- 与现有方法相比,SCCN在基准数据集 (PHEME和微博) 上表现优越.
- 在PHEME和微博上,相对于最好的基线方法,相对精度提高了1.7%和1.6%.
结论:
- 拟议的SCCN框架有效地解决了在假新闻检测中单模分析的局限性.
- 将多式联运功能与精致的社会背景相结合,大大提高了内容真实性验证的准确性.
