计算机应用研究

作者：王婕,刘芸,纪淑娟,

单位：山东科技大学山东省智慧矿山信息技术重点实验室,山东青岛266590；

关键词：虚假新闻检测,社交媒体,多模态,双线性池化,深度学习,

基金：国家自然科学基金资助项目(71772107,62072288)；山东省自然科学基金资助项目(ZR2020MF044,ZR202102230289,ZR2019MF003,ZR2021MF104)；山东省研究生教育质量提升计划资助项目(2021)；山东省科技厅科研基金资助项目；国家教育部人文社科基金资助项目(20YJAZH078,20YJAZH127)；；

现有的大多数虚假新闻检测方法将视觉和文本特征串联拼接，导致模态信息冗余并且忽略了不同模态信息之间的相关性。为了解决上述问题，提出一种基于矩阵分解双线性池化的多模态融合虚假新闻检测算法。首先，该算法将多模态特征提取器捕捉的文本和视觉特征利用矩阵分解双线性池化方法进行有效融合，然后与虚假新闻检测器合作鉴别虚假新闻；此外，在训练阶段加入了事件分类器来预测事件标签并去除事件相关的依赖。在Twitter和微博两个多模态谣言数据集上进行了对比实验，证明了该算法的有效性。实验结果表明提出的模型能够有效地融合多模态数据，缩小模态间的异质性差异，从而提高虚假新闻检测的准确性。

来源：2022年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第10期