MM-Claims：面向社交媒体多模态声明检测的数据集
计算与语言
2022-05-05 v1 人工智能
计算机视觉与模式识别
多媒体
社会与信息网络
摘要
近年来，网络 misinformation 问题已在多种语言、国家和各类社交媒体平台中广泛蔓延。尽管自动化假新闻检测已有大量工作，图像的作用及其多样性尚未被充分探索。在本文中，我们在假新闻检测流程的更早阶段——称为声明检测——考察图像与文本的作用。为此，我们引入一个新数据集 MM-Claims，其包含覆盖三个话题的推文及对应图像：COVID-19、气候变化和广义技术。该数据集含约 86000 条推文，其中 3400 条由多名标注者手动标注，用于多模态模型的训练与评估。我们详述该数据集，评估强单模态与多模态基线，并分析当前模型的潜力与不足。
引用
@article{arxiv.2205.01989,
title = {MM-Claims: A Dataset for Multimodal Claim Detection in Social Media},
author = {Gullal S. Cheema and Sherzod Hakimov and Abdul Sittar and Eric Müller-Budack and Christian Otto and Ralph Ewerth},
journal= {arXiv preprint arXiv:2205.01989},
year = {2022}
}
备注
Accepted to Findings of NAACL 2022