本发明属于虚假新闻检测技术领域,具体涉及一种基于伪孪生网络的虚假新闻检测方法,该方法的模型主要包括特征提取器和匹配网络,该方法具体步骤如下:1)对于输入的新闻数据,分别将文本数据和图像数据输入对应的特征提取器,获取文本和图像两个层次的特征;2)将学习到的文本和图像特征作为匹配网络的输入,匹配网络把它们映射到一个新的目标空间中,使用一个匹配度量函数进一步衡量两个特征在语义上的匹配程度;3)根据匹配网络的输出,进而预测新闻内容的真实性。本发明利用不同模态数据的匹配程度来检测虚假新闻,克服了以往的方法只能检测特定领域虚假新闻的弊端,使得多模态虚假新闻检测模型的领域适用性更强。
本发明专注于由文本及图像组成的虚假新闻内容,受计算机视觉领域任务的启发,将虚假新闻的检测视为多模态语义匹配问题。在现实世界中,绝大部分虚假新闻的文本及其所附图像内容的语义并不匹配,基于此,提出了基于伪孪生网络的虚假新闻检测方法——FNPS,具体地说,首先将虚假新闻的多模态数据从原始空间映射到新的目标空间,其次在目标空间进一步衡量了文本与图像的语义匹配程度,从而整体提高了模型在检测跨领域虚假新闻的效果。实验结果表明,所提出的模型FNPS优于其他的多模态虚假新闻检测模型。
黑龙江大学(Heilongjiang University),位于黑龙江省哈尔滨市,是黑龙江省人民政府和中华人民共和国教育部、国家国防科技工业局共建的省属综合性大学,黑龙江省“双一流”建设国内一流大学A类高校,入选国家卓越法律人才教育培养计划、中西部高校基础能力建设工程、特色重点学科项目、国家建设高水平大学公派研究生项目、中国政府奖学金来华留学生接收院校、全国深化创新创业教育改革示范高校、教育部来华留学示范基地,是世界翻译教育联盟、中俄新闻教育高校联盟、中俄综合性大学联盟、上海合作组织大学、“一带一路”智库合作联盟成员单位。
评价单位:“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会)
评价时间:2023-11-10
综合评价
技术前景广阔,具备技术成果转移转化要求。
查看更多>