典型文献
基于增强对抗网络和多模态融合的谣言检测方法
文献摘要：
[目的/意义]随着社交网络的复杂化,当前谣言往往是由描述事件的文本、对应的图片或者视频组成,多种模态的谣言更容易给用户传达一种错误的认知.现有谣言检测的研究往往只使用谣言文本特征,且未能充分挖掘谣言与事件存在的联系.[方法/过程]因此本文提出一种基于增强对抗网络和多模态融合的谣言检测方法,使用BERT和Text-CNN提取文本特征,使用VGG-19网络提取图像特征,再通过注意力机制捕捉多个模态的特征交互,最后使用增强对抗网络来挖掘谣言和事件之间联系.[结果/结论]在公开的微博多模态数据集上进行对比实验,实验结果表明该方法检测的准确率达到了 92.5％,相较于传统单模态和现有多模态模型,提升了约10％～20％.[创新/局限]本文将对抗网络和多模态特征融入谣言检测中,有效提升了谣言检测的效果,但目前仅尝试了文本和图像两种模态的结合,如何融合更多模态的特征后续有待研究.
文献关键词：
多模态融合;对抗网络;谣言检测;深度学习;自然语言处理
中图分类号：
作者姓名：
唐樾;马静
作者机构：
南京航空航天大学经济与管理学院,江苏南京211106
文献出处：
引用格式：
[1]唐樾;马静-.基于增强对抗网络和多模态融合的谣言检测方法)[J].情报科学,2022(06):108-114,131
A类：
B类：
对抗网络,多模态融合,谣言检测,社交网络,文本特征,BERT,Text,VGG,图像特征,注意力机制,特征交互,微博,博多,多模态数据集,单模,多模态特征,和图像,自然语言处理
AB值：
0.231676
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。
