-
题名改进的跨模态关联歧义学习的虚假信息检测方法研究
被引量：1
- 1
-
-
作者
段钰潇
胡艳丽
郭浩
谭真
肖卫东
-
机构
国防科技大学信息系统工程重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2024年第4期307-313,共7页
-
基金
国家自然科学基金(62272469,72301284)
国家重点研发计划(2022YFB3102600)
湖南省科技创新计划(2023RC1007)。
-
文摘
近年来,随着互联网及多媒体技术的迅猛发展,人们获取信息更加方便快捷,然而虚假信息在网络上的传播也日益严重,负面影响不断扩大。为了增强信息的可信度和欺骗性,虚假信息呈现多模态发展趋势,使得检测工作面临更大挑战。现有的多模态虚假信息检测方法大多关注多模态特征的形成,对于跨模态歧义和不同模态特征在检测中的贡献率的研究尚不完善,忽略了不同模态特征间固有差异性对虚假信息检测的影响。为解决该问题,提出了构建改进的跨模态关联歧义学习的虚假信息检测模型,通过对文本和图像特征进行跨模态歧义学习,利用歧义得分更新单模态与融合特征的权重,自适应地拼接单模态与融合特征;同时采用网格搜索动态分配文本、图像特征权重,提高检测准确率。在Twitter数据集上对该模型的有效性进行验证,其相比基线模型准确率提高了6%,相比未进行动态权重分配的检测方法性能提升了1.6%。
-
关键词
虚假信息检测
多模态
跨模态关联
歧义学习
融合特征
-
Keywords
Fake news detection
Multimodal
Cross-modal correlation
Ambiguity learning
Fusion features
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
