社交媒体视频帖子中的错误信息检测
计算机视觉与模式识别
2022-08-02 v2
摘要
随着社交媒体平台对短视频采用的日益增长，减少通过视频帖子传播错误信息已成为社交媒体提供商面临的关键挑战。在本文中，我们利用视频和文本等模态开发了检测社交媒体帖子中错误信息的方法。由于缺乏用于多模态数据集中错误信息检测的大规模公开数据，我们从 Twitter 收集了 160,000 个视频帖子，并利用自监督学习来学习联合视觉与文本数据的具表达力的表示。在这项工作中，我们提出了两种基于对比学习和掩码语言建模的新方法，用于检测短视频形式社交媒体帖子中的语义不一致性。我们证明，我们的新方法在通过正样本随机交换生成的人工数据上，以及在一个新的用于语义错误信息的手动标注测试集的真实场景中，均优于当前最先进（state-of-the-art）的方法。
引用
@article{arxiv.2202.07706,
title = {Misinformation Detection in Social Media Video Posts},
author = {Kehan Wang and David Chan and Seth Z. Zhao and John Canny and Avideh Zakhor},
journal= {arXiv preprint arXiv:2202.07706},
year = {2022}
}
备注
We discovered an error in our dataset construction where retweets were not properly filtered. This resulted in test data leakage in training data, and the results reported are affected