SAFE：基于相似性感知的多模态假新闻检测

对假新闻的有效检测近来受到显著关注。当前研究在预测假新闻方面作出了重要贡献，但较少关注利用新闻文章中文本与视觉信息之间的关系（相似性）。重视此类相似性有助于识别例如试图使用不相关图像吸引读者注意的假新闻。在本工作中，我们提出一种相似性感知（$\mathsf{S}$imilarity-$\mathsf{A}$ware $\mathsf{F}$ak$\mathsf{E}$，$\mathsf{SAFE}$）假新闻检测方法，该方法考察新闻文章的多模态（文本与视觉）信息。首先，采用神经网络分别提取新闻表示的文本与视觉特征。我们进一步考察跨模态提取特征之间的关系。此类新闻文本与视觉信息的表示及其关系被联合学习并用于预测假新闻。所提方法有助于基于新闻的文本、图像或二者的“不匹配”来识别新闻文章的真伪。我们在大规模真实世界数据上进行了广泛实验，证明了所提方法的有效性。