NexusIndex：集成高级向量索引与多模型嵌入用于鲁棒虚假新闻检测
信息检索
2024-10-25 v1 数据库
机器学习
神经与进化计算
摘要
数字平台上虚假新闻的扩散凸显了需要鲁棒且可扩展检测机制的需求。传统方法在处理大规模和多样化数据集时往往难以实现，由于可扩展性和准确性的局限。本文提出NexusIndex，一种新型框架和模型，通过集成先进的语言模型、创新的FAISS NexusIndex层和注意力机制来增强虚假新闻检测。我们的方法利用多模型嵌入捕获丰富的上下文和语义细微差别，显著提高了文本解释和分类准确性。通过将文章转换为高维嵌入并高效索引，NexusIndex facilitates 对大量新闻文章进行快速相似性搜索。FAISS NexusIndex层进一步优化了这一过程，使系统能够实现实时检测，提高了系统的可扩展性和性能。我们的实验结果表明，NexusIndex在效率和准确性方面均优于当前最先进的方法，适用于多样化数据集。
引用
@article{arxiv.2410.18294,
title = {NexusIndex: Integrating Advanced Vector Indexing and Multi-Model Embeddings for Robust Fake News Detection},
author = {Solmaz Seyed Monir and Dongfang Zhao},
journal= {arXiv preprint arXiv:2410.18294},
year = {2024}
}
备注
9 pages, 3 figures