误信息识别适应方法
人工智能
2025-04-22 v1
摘要
多模态假新闻检测在打击线上误信息方面发挥着关键作用。然而，有效的检测方法依赖于标注标签，在训练（源）数据与测试（目标）数据之间存在领域迁移时，性能会显著下降。为此，我们提出了 ADOSE（Active Domain Adaptation）框架，用于多模态假新闻检测，通过主动标注少量目标样本来提高检测性能。为识别跨域环境中的各种欺骗模式，我们设计了多个专家分类器，以学习不同模态之间的依赖关系。这些分类器具体针对假新闻中显示的独特欺骗模式，其中两个单模态分类器捕捉单个模态内部知识错误，而一个跨模态分类器则识别文本和图像之间的语义不一致。为减少目标领域的标注成本，我们提出了基于最小不一致不确定性选择器，配合多样性计算器，用于选择最具信息性的样本。该选择器利用多个分类器在扰动前后的预测 disagreement 作为不确定样本的指示器，其欺骗模式偏离源领域最为显著。它进一步整合了来自多视图特征的多样性得分，以确保所选样本在目标领域特征上实现最大覆盖。多个数据集上的大量实验表明，ADSO 在现有 ADA 方法上 outperform 达 2.72% ~ 14.02%，凸显了该模型的优越性。
引用
@article{arxiv.2504.14171,
title = {Adaptation Method for Misinformation Identification},
author = {Yangping Chen and Weijie Shi and Mengze Li and Yue Cui and Hao Chen and Jia Zhu and Jiajie Xu},
journal= {arXiv preprint arXiv:2504.14171},
year = {2025}
}