| 标题 |
 Modality Perception Learning-Based Determinative Factor Discovery for Multimodal Fake News Detection 基于模态感知学习的多模态假新闻检测决定性因素发现
相关领域
决定性的
模态（人机交互）
感知
因子（编程语言）
心理学
计算机科学
人工智能
认知心理学
语言学
神经科学
哲学
程序设计语言
|
| 网址 | |
| DOI | |
| 其它 | 假新闻的传播，通常由夸大、歪曲或误导性陈述助长，严重危害公共安全并影响社会舆论。尽管现有的多模态假新闻检测方法侧重于多模态一致性，但它们偶尔会忽视模态异质性，错过了挖掘隐藏在假新闻文章中最相关的决定性信息的机会。为了解决这一局限性并提取更多决定性信息，本文提出了基于模态感知学习的决定因素发现 （MoPeD） 模型。MoPeD 优化了特征提取、融合和聚合的步骤，以自适应地发现单模态特征和多模态融合特征中的决定因素，以完成假新闻检测任务。具体来说，为了捕获全面的信息，双编码模块将模态一致的对比语言图像预训练 （CLIP） 预训练编码器与模态特定编码器集成在一起，同时满足显式和隐式信息。在提示策略的推动下，双编码模块的输出特征与可学习的记忆信息相辅相成。为了处理融合过程中的模态异质性，引入了多级跨模态融合模块，以深入理解文本和图像中复杂的隐含含义。最后，为了聚合单模态和多模态特征，模态感知学习模块测量模态之间的相似性，以根据跨模态内容异质性分数动态强调决定性的模态特征。对三个公共假新闻数据集进行的实验评估表明，所提出的模型优于其他最先进的假新闻检测方法。 |
| 求助人 | |
| 下载 | 求助已完成，仅限求助人下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
cdercder
pluto
昏睡的蟠桃
sutharsons
冰魂
科研小民工
文献看不懂
8R60d8
back you up
我是站长才怪
iNk
不倦
机灵柚子
bc
Oracle
VDC
斯寜
遇上就这样吧
SYLH
竹筏过海
皖公网安备34019202002308
