Please wait a minute...
Advanced Search
数据分析与知识发现
  本期目录 | 过刊浏览 | 高级检索 |
融合多模态内容语义一致性的社交媒体虚假新闻检测
张国标,李洁
(武汉大学信息管理学院 武汉 430072)
(武汉大学信息检索与知识挖掘研究所 武汉 430072)
(苏州大学社会学院 苏州 215000)
Social Media Fake News Detection Integrating Multi-model Content Semantic Consistency
Zhang Guobiao,Li Jie
(School of Information Management, Wuhan University, Wuhan 430072, China)
(Institute for Information Retrieval and Knowledge Mining, Wuhan University, Wuhan 430072, China)
(School of Sociology, Soochow University, Suzhou 215000, China)
全文: PDF (1092 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 

[目的]为实现社交媒体虚假新闻早期检测,扼制虚假信息的广泛传播。[方法]在同时利用图像与文本特征的基础上,通过将图像映射为语义标签,设计了一种图像与文本内容语义一致性计算方法,构建了虚假新闻检测模型,并采用虚假新闻检测标准数据集FakeNewsNet验证了模型的性能。[结果]实验结果表明,融合新闻图像与文本语义一致性特征的全特征模型在PolitiFact数据上的检测F1值达到了0.775,在GossipCop数据上的F1值达到了0.879,说明该模型具有良好的检测效果。[局限]由于现有图像语义标注模型的标注能力局限性,尚无法准确描述图像内容,所计算的语义一致性存在误差。[结论]多模态特征融合能够有效提升虚假新闻检测性能,构建的新闻文本与图像语义一致性特征能够丰富和拓展虚假新闻检测依据。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 虚假新闻检测社交媒体多模态特征融合语义一致性深度学习     
Abstract

[Objective]In order to achieve early detection of fake news on social media and curb the widespread dissemination of false information. [Methods]Based on the news image and text content, by mapping the image to semantic tags, a method for calculating the semantic consistency between image and text content is designed, and a fake news detection model is constructed, and the fake news detection standard dataset FakeNewsNet is used to verity the performance of the model. [Results]The F1 value of the full-feature model that combines the semantic consistency features of news images and text is up to 0.775 on PolitiFact data and 0.879 on GossipCop data. [Limitations]Due to the limitations of the existing image semantic annotation models, the image content cannot be accurately described, and the calculated semantic consistency has bias. [Conclusions]Multi-modal feature fusion can effectively improve the performance of fake news detection, and the constructed news text and image content semantic consistency feature can enrich and expand the basis for fake news detection.

Key words Fake News Detection    Social Media    Multi-modal Feature Fusion    Semantic Consistency    Deep Learning
     出版日期: 2020-11-24
ZTFLH:  TP393  
引用本文:   
张国标, 李洁. 融合多模态内容语义一致性的社交媒体虚假新闻检测 [J]. 数据分析与知识发现, 10.11925/infotech.2096-3467.2020.0884.
Zhang Guobiao, Li Jie. Social Media Fake News Detection Integrating Multi-model Content Semantic Consistency . Data Analysis and Knowledge Discovery, 0, (): 1-.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2020.0884      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y0/V/I/1
[1] 黄露,周恩国,李岱峰. 融合特定任务信息注意力机制的文本表示学习模型*[J]. 数据分析与知识发现, 2020, 4(9): 111-122.
[2] 刘倩, 李晨亮. 基于社交媒体的话题演变研究综述*[J]. 数据分析与知识发现, 2020, 4(8): 1-14.
[3] 赵旸, 张智雄, 刘欢, 丁良萍. 基于BERT模型的中文医学文献分类研究*[J]. 数据分析与知识发现, 2020, 4(8): 41-49.
[4] 徐晨飞, 叶海影, 包平. 基于深度学习的方志物产资料实体自动识别模型构建研究*[J]. 数据分析与知识发现, 2020, 4(8): 86-97.
[5] 余传明, 王曼怡, 林虹君, 朱星宇, 黄婷婷, 安璐. 基于深度学习的词汇表示模型对比研究*[J]. 数据分析与知识发现, 2020, 4(8): 28-40.
[6] 李纲, 管为栋, 马亚雪, 毛进. 学术论文的社交媒体可见性预测研究*[J]. 数据分析与知识发现, 2020, 4(8): 63-74.
[7] 王鑫芸,王昊,邓三鸿,张宝隆. 面向期刊选择的学术论文内容分类研究 *[J]. 数据分析与知识发现, 2020, 4(7): 96-109.
[8] 王末,崔运鹏,陈丽,李欢. 基于深度学习的学术论文语步结构分类方法研究*[J]. 数据分析与知识发现, 2020, 4(6): 60-68.
[9] 焦启航,乐小虬. 对比关系句子生成方法研究[J]. 数据分析与知识发现, 2020, 4(6): 43-50.
[10] 邓思艺,乐小虬. 基于动态语义注意力的指代消解方法[J]. 数据分析与知识发现, 2020, 4(5): 46-53.
[11] 余传明,原赛,朱星宇,林虹君,张普亮,安璐. 基于深度学习的热点事件主题表示研究*[J]. 数据分析与知识发现, 2020, 4(4): 1-14.
[12] 苏传东,黄孝喜,王荣波,谌志群,毛君钰,朱嘉莹,潘宇豪. 基于词嵌入融合和循环神经网络的中英文隐喻识别*[J]. 数据分析与知识发现, 2020, 4(4): 91-99.
[13] 刘彤,倪维健,孙宇健,曾庆田. 基于深度迁移学习的业务流程实例剩余执行时间预测方法*[J]. 数据分析与知识发现, 2020, 4(2/3): 134-142.
[14] 达婧玮,颜嘉麒,邓三鸿,王忠民. 基于深度学习的重复住院预测模型研究——以心脏病为例*[J]. 数据分析与知识发现, 2020, 4(11): 63-73.
[15] 蔡婧璇,吴江,王诚坤. 基于深度学习的众测报告有用性预测研究*[J]. 数据分析与知识发现, 2020, 4(11): 102-111.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn