Abstract：
针对现有虚假信息检测方法主要基于单模态数据分析，检测时忽视了信息之间相关性的问题，提出了结合社交网络图的多模态虚假信息检测模型。该模型使用预训练Transformer模型和图像描述模型分别从多角度提取各模态数据的语义，并通过融合信息传播过程中的社交网络图，在文本和图像模态中加入传播信息的特征，最后使用跨模态注意力机制分配各模态信息权重以进行虚假信息检测。在推特和微博两个真实数据集上进行对比实验，所提模型的虚假信息检测准确率稳定为约88%,高于EANN、PTCA等现有基线模型。实验结果表明所提模型能够有效融合多模态信息，从而提高虚假信息检测的准确率。
Keyword：
Reprint 's Address：
Email：
Source ：
计算机应用研究
Year： 2024
Issue： 07
Volume： 41
Page： 1992-1998
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
