多模态多层次事件网络的谣言检测

• 作者: 李莎 张怀文 钱胜胜 方全 徐常胜
• 来源期刊: 中国图象图形学报
• 关键词: 多模态 谣言检测 社交媒体 多层次编码策略 事件网络
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 图像理解和计算机视觉|Image Understanding and Computer Vision
• 页码范围: 1648-1657
• 页数: 10页
• 分类号: TP391
• 语种: 中文

摘要

目的 自动检测谣言至关重要,目前已有多种谣言检测方法,但存在以下两点局限:1)只考虑文本内容,忽略了可用于判断谣言的辅助多模态信息;2)只关注时间序列模型捕捉谣言事件的时间特征,没有很好地研究事件的局部信息和全局信息.为了克服这些局限性,有效利用多模态帖子信息并联合多种编码策略构建每个新闻事件的表示,本文提出一种新颖的基于多模态多层次事件网络的社交媒体谣言检测方法.方法 通过一个多模态的帖子嵌入层,同时利用文本内容和视觉内容;将多模态的帖子嵌入向量送入多层次事件编码网络,联合使用多种编码策略,以由粗到细的方式描述事件特征.结果 在Twitter和Pheme数据集上的大量实验表明,本文提出的多模态多层次事件网络模型比现有的 SVM-TS(support vector machine—time structure)、CNN(convolutional neural net-work)、GRU(gated recurrent unit)、CallAtRumors 和 MKEMN(multimodal knowledge-aware event memory network)等方法在准确率上提升了4％以上.结论 本文提出的谣言检测模型,对每个事件的全局、时间和局部信息进行建模,提升了谣言检测的性能.