GRaMuFeN：基于图的多模态社交媒体假新闻检测
机器学习
2023-10-12 v1 人工智能
摘要
Twitter、Instagram与微博等社交媒体平台的激增显著加速了虚假信息的传播。这一现象使个人与政府实体均能塑造公众舆论，凸显了部署有效检测方法的必要性。本文中，我们提出GraMuFeN，一种通过分析与新闻相关的文本与图像内容来检测虚假内容的模型。GraMuFeN包含两个主要组件：文本编码器与图像编码器。对于文本分析，GraMuFeN将每篇文本视为图，并采用图卷积神经网络（GCN）作为文本编码器。此外，预训练的ResNet-152作为卷积神经网络（CNN）被用作图像编码器。通过整合这两个编码器的输出并实现对比相似度损失函数，GraMuFeN取得了显著结果。在两个公开可用的社交媒体新闻基准数据集上进行的大量评估表明，微F1分数提升了10%，意味着优于现有最先进模型。这些发现强调了结合GCN与CNN模型用于多模态数据假新闻检测的有效性，同时将模型参数带来的额外计算负担降至最低。
引用
@article{arxiv.2310.07668,
title = {GRaMuFeN: Graph-based Multi-modal Fake News Detection in Social Media},
author = {Makan Kananian and Fatima Badiei and S. AmirAli Gh. Ghahramani},
journal= {arXiv preprint arXiv:2310.07668},
year = {2023}
}