用于假新闻检测的动态分析与自适应判别器
人工智能
2025-03-12 v2 计算机视觉与模式识别
摘要
在当前网络环境中，假新闻在在线社交网络中迅速传播，对社会构成严重威胁。现有的多模态假新闻检测方法通常可分为基于知识的方法和基于语义的方法。然而，这些方法严重依赖人类专业知识和反馈，缺乏灵活性。为了应对这一挑战，我们提出了一种用于假新闻检测的动态分析与自适应判别器（DAAD）方法。对于基于知识的方法，我们引入蒙特卡洛树搜索算法，利用大型语言模型（LLM）的自我反思能力进行提示优化，为LLM提供更灵活、更丰富的领域特定知识和指导，使其能够更灵活地整合对新闻内容的评论。对于基于语义的方法，我们定义了四种典型的欺骗模式：情绪夸大、逻辑不一致、图像篡改和语义不一致，以揭示假新闻背后的生成机制。为了检测这些模式，我们精心设计了四个判别器，并通过软路由机制在深度和广度上对其进行扩展，以探索最优的检测模型。在三个真实世界数据集上的实验结果表明了我们的方法的优越性。代码将在 https://github.com/SuXinqi/DAAD 提供。
引用
@article{arxiv.2408.10883,
title = {Dynamic Analysis and Adaptive Discriminator for Fake News Detection},
author = {Xinqi Su and Zitong Yu and Yawen Cui and Ajian Liu and Xun Lin and Yuhao Wang and Haochen Liang and Wenhui Li and Li Shen and Xiaochun Cao},
journal= {arXiv preprint arXiv:2408.10883},
year = {2025}
}