KEN：面向多模态假新闻检测的知识增强与情感引导网络
多媒体
2025-07-18 v2 人工智能
摘要
近年来，社交媒体上信息误传的蔓延，使得准确检测多模态假新闻成为临床 research focus。然而，先前的研究未充分理解图像的语义，模型在有限的文本信息下难以辨别新闻真伪。同时，对所有情感类型的新闻统一处理而不采取针对性方法，进一步导致性能下降。因此，我们提出一种 novel 知识增强与情感引导网络(KEN)。一方面，我们有效利用 LVLM 的强大语义理解能力和广泛世界知识。对于图像，生成的描述提供了对图像内容和场景的全面理解；对于文本，检索到的证据有助于打破因文本和上下文封闭、有限而产生的信息孤岛。另一方面，我们通过平衡学习考虑不同情感类型新闻之间的 inter-class 差异，实现对情感类型与真伪性关系的细粒度建模。在两个真实世界数据集上进行的大量实验表明，我们的 KEN 方法优于现有方法。
引用
@article{arxiv.2507.09647,
title = {KEN: Knowledge Augmentation and Emotion Guidance Network for Multimodal Fake News Detection},
author = {Peican Zhu and Yubo Jing and Le Cheng and Keke Tang and Yangming Guo},
journal= {arXiv preprint arXiv:2507.09647},
year = {2025}
}
备注
Accepted by ACM MM 2025