用于假新闻检测的自举多视角表示
计算机视觉与模式识别
2022-09-23 v3
摘要
以往关于多模态假新闻检测的研究包含一系列复杂的特征提取与融合网络，以从新闻中收集有用信息。然而，跨模态一致性与新闻真实性如何关联、以及来自不同模态的特征如何影响决策，仍是开放问题。本文提出一种用于假新闻检测的自举多视角表示（BMR）新方案。给定一条多模态新闻，我们分别从文本、图像模式和图像语义的视角提取表示。提出改进的多门混合专家网络（iMMoE）用于特征精炼与融合。来自各视角的表示被分别用于粗粒度预测整条新闻的真实性，而多模态表示能够预测跨模态一致性。利用预测分数，我们对各视角表示重新加权并自举用于假新闻检测。在典型假新闻检测数据集上的大量实验证明，所提 BMR 优于当前最优（SOTA）方案。
引用
@article{arxiv.2206.05741,
title = {Bootstrapping Multi-view Representations for Fake News Detection},
author = {Qichao Ying and Xiaoxiao Hu and Yangming Zhou and Zhenxing Qian and Dan Zeng and Shiming Ge},
journal= {arXiv preprint arXiv:2206.05741},
year = {2022}
}
备注
Authors are from Fudan University, China. Under Review