基于三路径增强的多模态假新闻检测神经网络架构搜索
计算机视觉与模式识别
2025-02-07 v2
摘要
多模态假新闻检测是社交媒体平台上最关键的问题之一。尽管现有方法已取得进步，但仍面临两个主要挑战：（1）由于模型架构固化，多模态新闻信息融合效果不足；（2）在仅包含部分模态的假新闻上，模型的泛化能力较弱。为此，我们提出一种新型且灵活的三路径增强神经网络架构搜索模型 MUSE。MUSE 包含两个用于检测仅含部分模态的假新闻的动态路径，以及一个用于挖掘潜在多模态关联的静态路径。实验结果表明，MUSE 在基线方法上实现了稳定的性能提升。
引用
@article{arxiv.2501.14455,
title = {Triple Path Enhanced Neural Architecture Search for Multimodal Fake News Detection},
author = {Bo Xu and Qiujie Xie and Jiahui Zhou and Linlin Zong},
journal= {arXiv preprint arXiv:2501.14455},
year = {2025}
}
备注
IEEE International Conference on Acoustics, Speech, and Signal Processing(ICASSP 2025)