AMPLE：用于虚假新闻检测的情感感知多模态融合提示学习
计算与语言
2024-10-22 v1 人工智能
摘要
检测大规模数据集中的虚假新闻具有挑战性 due to 其多样性和复杂性，传统方法往往关注文本特征而未充分利用语义和情感元素。当前方法还严重依赖于大量标注数据，限制了其在更细致分析中的有效性。为解决这些挑战，本文引入情感感知多模态融合提示学习（Emotion-\textbf{A}ware \textbf{M}ultimodal Fusion \textbf{P}rompt \textbf{L}\textbf{E}arning（\textbf{AMPLE}）框架以解决上述问题的方法结合了文本情感分析与多模态数据以及混合提示模板。该框架通过利用情感分析工具从文本中提取情感元素。随后，它采用 Multi-Head Cross-Attention（MCA）机制和 similarity-aware 融合方法来集成多模态数据。所提出的 AMPLE 框架在两个公共数据集上的 few-shot 和 data-rich 设置中表现出色，结果表明情感方面在虚假新闻检测中具有潜力。此外，研究探讨了将大型语言模型与该方法集成用于文本情感提取的影响，揭示了进一步改进的潜力。代码可在 https://github.com/xxm1215/MMM2025_few-shot/ 访问。
引用
@article{arxiv.2410.15591,
title = {AMPLE: Emotion-Aware Multimodal Fusion Prompt Learning for Fake News Detection},
author = {Xiaoman Xu and Xiangrun Li and Taihang Wang and Ye Jiang},
journal= {arXiv preprint arXiv:2410.15591},
year = {2024}
}