基于对抗神经网络的跨模态谣言检测

摘要：

[目的]通过结合文本和图像模数据,提出跨模态对抗神经网络模型,提高谣言检测对新数据的泛化能力.[方法]采用融合自注意力机制的双向长短时记忆网络模型表示文本特征,使用预训练的VGG19网络模型表示图像特征,通过对抗神经网络学习事件共同特征.[结果]所提模型在准确率、精确率、召回率和F1值得分等方面都优于对比模型,在微博、推特两个数据集上的准确率分别比基线模型的最优结果提高了 3.6个百分点和3.5个百分点.[局限]不同模态信息下的特征关联分析不够,跨模态数据的语义鸿沟问题没有很好解决.[结论]所提模型能够比现有方法更好地学习特征表示,在谣言检测上取得了较好的结果.

关键词：谣言检测、对抗神经网络、双向长短时记忆网络、自注意力机制、VGG19

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;辽宁省自然科学基金计划项目

在线出版日期：2023-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：32-42