| 标题 |
IDIE: Instruction-guided domain clustering and information-enhanced fusion model for multimodal fake news detection |
| 网址 | |
| DOI | |
| 其它 | 多模态假新闻检测(MFND)利用多种方式的信息来识别假新闻。现实新闻平台上的文章涵盖了多样主题,每个主题都有独特的语言风格和内容,导致域名转移带来挑战。此外,将文本和图像模态中的异构特征对齐和融合仍是一个关键问题。为应对这些挑战,我们引入了带有信息增强融合机制的指令引导域聚类网络。该方法利用大型语言模型(LLM)明确将新闻文章分类到预定义的领域,随后通过对比学习细化每个领域的特征表示。这增强了模型在特定领域环境中区分假新闻和真实新闻的能力。同时,我们采用互信息最大化技术,更有效地对齐文本和图像特征,确保融合后的表示保持丰富的语义内容。同时使用后向和前向注意力机制,通过捕捉来自多个方向的上下文线索,进一步细化了这种表征。Twitter和微博数据集的实验结果显示了我们提出方法的竞争力,平均F1提升分别为1.4%和0.3%,均相较于现有最先进方法。 |
| 求助人 | |
| 下载 |
PDF的下载单位、IP信息已删除
(2025-6-4)