典型文献
基于矩阵分解双线性池化的多模态融合虚假新闻检测
文献摘要：
现有的大多数虚假新闻检测方法将视觉和文本特征串联拼接,导致模态信息冗余并且忽略了不同模态信息之间的相关性.为了解决上述问题,提出一种基于矩阵分解双线性池化的多模态融合虚假新闻检测算法.首先,该算法将多模态特征提取器捕捉的文本和视觉特征利用矩阵分解双线性池化方法进行有效融合,然后与虚假新闻检测器合作鉴别虚假新闻;此外,在训练阶段加入了事件分类器来预测事件标签并去除事件相关的依赖.在Twitter和微博两个多模态谣言数据集上进行了对比实验,证明了该算法的有效性.实验结果表明提出的模型能够有效地融合多模态数据,缩小模态间的异质性差异,从而提高虚假新闻检测的准确性.
文献关键词：
虚假新闻检测;社交媒体;多模态;双线性池化;深度学习
中图分类号：
作者姓名：
王婕;刘芸;纪淑娟
作者机构：
山东科技大学 山东省智慧矿山信息技术重点实验室,山东 青岛266590
文献出处：
引用格式：
[1]王婕;刘芸;纪淑娟-.基于矩阵分解双线性池化的多模态融合虚假新闻检测)[J].计算机应用研究,2022(10):2968-2973,2978
A类：
B类：
矩阵分解,双线性池化,多模态融合,虚假新闻检测,文本特征,拼接,模态信息,信息冗余,检测算法,多模态特征,视觉特征,有效融合,检测器,训练阶段,了事,分类器,Twitter,微博,谣言,多模态数据,社交媒体
AB值：
0.182375
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。
