| 标题 |
Cross-Modal Knowledge Distillation in Multi-Modal Fake News Detection 相关领域
计算机科学
情态动词
人工智能
边距(机器学习)
代表(政治)
特征(语言学)
特征学习
机器学习
蒸馏
特征提取
模式识别(心理学)
情报检索
自然语言处理
哲学
法学
高分子化学
化学
有机化学
政治
语言学
政治学
|
| 网址 | |
| DOI | |
| 其它 | 由于假新闻的快速传播给现实社会带来了诸多负面影响,近年来自动假新闻检测引起了越来越多的关注。在大多数情况下,假新闻检测任务是一个多模态问题,包含文本和视觉内容。许多现有方法仅将文本和视觉特征作为共享表示,但忽略了它们的相关性,可能导致结果不理想。为解决这一问题,我们提出了CMC,这是一种两阶段假新闻检测方法,采用新颖的知识蒸馏技术,在训练过程中捕捉跨模态特征相关性。在CMC的第一阶段,文本网络和视觉网络在集合学习范式中相互训练。提出的跨模态知识蒸馏函数作为软目标,指导单模态网络的训练,并结合对方的相关性。在CMC的第二阶段,两个训练良好的网络被固定,提取的特征被送入融合机制。随后,融合模型被训练以进一步提升多模态假新闻检测的性能。在微博、PolitiFact和GossipCop数据库上的大量实验显示,CMC的表现远远超过现有的先进方法。 |
| 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。
|
PDF的下载单位、IP信息已删除
(2025-6-4)