| 标题 |
 ETMA: Efficient Transformer-Based Multilevel Attention Framework for Multimodal Fake News Detection ETMA：基于Transformer model的多模态假新闻检测多级注意框架
相关领域
计算机科学
编码器
社会化媒体
变压器
人工智能
机器学习
万维网
工程类
操作系统
电气工程
电压
|
| 网址 | |
| DOI | |
| 其它 | 在这个新的数字时代，社交媒体对人们的生活产生了严重影响。近年来，社交媒体上的假新闻内容已成为社会面临的主要挑战问题之一。捏造和虚假新闻文章的传播包括文本和图像形式的多模态数据。以前的方法主要集中在单峰分析上。此外，对于多模态分析，研究人员无法保持与每种模态对应的独特特征。本文旨在通过提出一种高效的基于 transformer 的多级注意力 （ETMA） 框架来克服这些限制，该框架用于多模态假新闻检测，该框架包括以下组件：基于视觉注意力的编码器、基于文本注意力的编码器和基于联合注意力的学习。每个组件都利用不同形式的注意力机制，并独特地处理多模态数据来检测欺诈内容。通过使用多个评估指标对四个真实世界的假新闻数据集进行多项实验来验证所提出的网络的有效性：Twitter、Jruvika 假新闻数据集、Pontes 假新闻数据集和 Risdal 假新闻数据集。结果表明，所提出的方法在所有四个数据集上都优于基线方法。此外，该模型的计算时间也低于最先进的方法。 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
pluto
cdercder
昏睡的蟠桃
归尘
bc
冰魂
Rye227
jenningseastera
ss
乐乐
back you up
平常的毛豆
科研小民工
不倦
遇上就这样吧
顺心香菇
zmnzmnzmn
Auston_zhong
wy.he
Cat
皖公网安备34019202002308
