融合多模态内容语义一致性的社交媒体虚假新闻检测

• 全文链接
• 请求原文

作   者：

张国标;  李洁; 

作者机构：

武汉大学信息管理学院;  苏州大学社会学院;  武汉大学信息检索与知识挖掘研究所; 

关键词：

多模态特征融合;  虚假新闻检测;  深度学习;  社交媒体;  语义一致性; 

期刊名称：

数据分析与知识发现

i s s n：

2096-3467

年卷期：

2021 年 05 期

页   码：

21-29

摘   要：

【目的】实现社交媒体虚假新闻早期检测,遏制虚假信息的广泛传播。【方法】在同时利用图像与文本特征的基础上,通过将图像映射为语义标签,设计了一种图像与文本内容语义一致性计算方法,构建虚假新闻检测模型,并采用虚假新闻检测标准数据集FakeNewsNet验证模型的性能。【结果】融合新闻图像与文本语义一致性特征的全特征模型在PolitiFact数据上的检测F1值达到0.775,在GossipCop数据上的F1值达到0.879,说明该模型具有良好的检测效果。【局限】由于现有图像语义标注模型标注能力的局限性,尚无法准确描述图像内容,所计算的语义一致性存在误差。【结论】多模态特征融合能够有效提升虚假新闻检测性能,本文构建的新闻文本与图像语义一致性特征能够丰富和拓展虚假新闻检测依据。