| 标题 |
 MDF-FND: A dynamic fusion model for multimodal fake news detection 相关领域
计算机科学
融合
人工智能
语言学
哲学
|
| 网址 | |
| DOI | |
| 其它 | 近年来，假新闻检测受到研究人员越来越多的关注，尤其是在涉及文本和图像的多模态假新闻检测领域。然而，许多先前的研究只是在应用基本的串接或注意力机制后，将文本和图像模态的语义特征输入二元分类器，而这些特征通常包含大量固有噪声。这反过来又导致了模态内部和模态间的不确定性。此外，虽然基于两种模态简单连接的方法取得了显著成果，但它们常常忽视跨模态应用固定权重的缺点，导致一些高影响特征被忽视。为解决这些问题，我们提出了一种新的语义层面 m终模 dynamic fusion 框架，用于 fake nws d的 f-f-fnd。据我们所知，这是首次尝试开发一个用于语义层多模态假新闻检测的动态融合框架。具体来说，我们的模型由两个主要组成部分组成：（1）Uncertainty E估计 Module（UEM），这是一个利用多头注意力机制建模模态内不确定性的不确定性模块;（2） 基于 Dempster–Shafer 证据理论（DFN）的 D ynamic F usion N etwork。设计用来动态整合文本和图像模态的权重。为了进一步增强动态融合框架，在DFN之前采用了图注意力网络进行模态间不确定性建模。大量实验已证明我们模型在三个数据集上的有效性，推特数据集的性能提升高达4%，实现了最先进的性能。我们还进行了系统消融研究，以深入了解我们的动机和架构设计。我们的模型已公开发布于 https://github.com/CoisiniStar/MDF-FND。 |
| 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。
|
PDF的下载单位、IP信息已删除
(2025-6-4)
张欢馨
woshi123
v0id
yzy
cdercder
22336
Kao
aajhajkahna
xing_xing
云城
科研狗
整齐的慕卉
乐空思
lixinglei
yjh123
GingerF
aaaa
丰富语蕊
XLL小绿绿
OK
皖公网安备34019202002308
