融合多模态内容语义一致性的社交媒体虚假新闻检测

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.

关键词：虚假新闻检测、社交媒体、多模态特征融合、语义一致性、深度学习

所属期刊栏目：5

分类号：TP393(计算技术、计算机技术)

资助基金：苏州大学人文社会科学优秀学术团队项目NH33711520

在线出版日期：2021-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：21-29