典型文献
基于注意力机制多特征融合的虚假信息检测
文献摘要：
在虚假信息识别任务中,面对图文结合的虚假内容,基于单模态的模型难以进行准确识别.社交媒体中的虚假信息为吸引关注和迅速传播的目的,会使用夸张的词汇煽动读者的情绪.如何将情感特征引入多模态虚假信息检测模型进行多特征融合,并准确地识别虚假信息是一个挑战.为此,本文提出了基于注意力机制多特征融合的虚假信息检测方法(att-MFNN).该模型中先将文本特征和情感特征基于注意力机制融合,再与视觉特征组成多模态特征送入虚假信息识别器和事件分类器中.通过引入事件分类器学习不同事件中的共同特征,提高新事件的识别性能.att-MFNN在微博和推特(Twitter)数据集的准确率达到了89.22％和87.51％,并且F1、准确率、召回率指标均优于现有的模型.
文献关键词：
虚假信息检测;多特征融合;注意力机制;情感提取
中图分类号：
作者姓名：
地力夏提·阿布都热依木;马博;杨雅婷;王磊
作者机构：
中国科学院新疆理化技术研究所 新疆民族语音语言信息处理实验室,新疆 乌鲁木齐 830011;中国科学院大学计算机科学与技术学院,北京 100049
文献出处：
引用格式：
[1]地力夏提·阿布都热依木;马博;杨雅婷;王磊-.基于注意力机制多特征融合的虚假信息检测)[J].厦门大学学报（自然科学版）,2022(04):608-616
A类：
MFNN,情感提取
B类：
多特征融合,虚假信息检测,信息识别,图文结合,单模,准确识别,社交媒体,夸张,煽动,情感特征,征引,检测模型,att,文本特征,特征基,注意力机制融合,视觉特征,多模态特征,送入,识别器,分类器,同事,共同特征,识别性,微博,推特,Twitter,召回率
AB值：
0.29818
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
