| 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)
秋风
DW
无极微光
aajhajkahna
共产主义战士
aaaKumaINmyMIND
健健康康的生活
科研狗
学术文献互助
学霸业
谢雷XIELei
林狗
YY
Enigma_GEB
Dean
aaaa
GingerF
lalala
xing_xing
寒2026
皖公网安备34019202002308
