检索结果-南通市图书馆

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于预训练和多模态融合的假新闻检测

计算机工程 2024年第1期50卷 289-295页

作者：周昊玮刘勇玄萍黑龙江大学计算机科学与技术学院黑龙江哈尔滨150080 汕头大学工学院计算机科学与技术系广东汕头515063

现有的多模态检测模型通常对每个模态的特征进行简单拼接,不能对模态之间的相关性进行有效建模,而且很难迁移到标签稀少的领域。提出一种基于预训练和多模态融合的假新闻检测模型PMFD。提取新闻附带图像不同区域的特征作为图像原始向量... 详细信息

现有的多模态检测模型通常对每个模态的特征进行简单拼接,不能对模态之间的相关性进行有效建模,而且很难迁移到标签稀少的领域。提出一种基于预训练和多模态融合的假新闻检测模型PMFD。提取新闻附带图像不同区域的特征作为图像原始向量,合并图像原始向量作为图像引导向量,设计早期融合、中期融合、后期融合3种不同的多模态融合方式。在早期融合阶段,通过图像引导向量初始化文本特征提取器,获取文本原始向量,合并文本原始向量作为文本引导向量。在中期融合阶段,使用模态的原始向量集合与其他模态的引导向量构造模态的特征表示。在后期融合阶段,融合不同模态的特征表示,构造新闻的特征表示。为提高模型的泛化能力,在标签丰富的数据上对PMFD进行预训练,然后再在标签稀少的数据上对PMFD进行微调。在公开数据集上的实验结果表明,PMFD能有效检测假新闻结果,相对传统模型CNN、LSTM、BERT等有10%以上的提升,相对EANN、M_model多模态假新闻检测模型有2%~3%的提升。

关键词：假新闻检测预训练多模态融合引导向量跨模态共享特征阶段融合

维普期刊数据库

基于跨模态交互与特征融合网络的假新闻检测方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：彭广川吴飞韩璐季一木荆晓远武汉大学计算机学院南京邮电大学自动化学院人工智能学院南京邮电大学计算机学院

近年来，假新闻的激增对人们的决策过程产生了不利影响。许多现有的假新闻检测方法强调对多模态信息（如文本和图像）的探索和利用。然而，如何为检测任务生成有鉴别性的特征并有效地聚合不同模态的特征以进行假新闻检测，仍然是一个开... 详细信息

近年来，假新闻的激增对人们的决策过程产生了不利影响。许多现有的假新闻检测方法强调对多模态信息（如文本和图像）的探索和利用。然而，如何为检测任务生成有鉴别性的特征并有效地聚合不同模态的特征以进行假新闻检测，仍然是一个开放性问题。文中提出了一种新颖的假新闻检测模型，即跨模态交互与特征融合网络（Cross-modal Interaction and Feature Fusion Network， CMIFFN）。为了生成有鉴别性的特征，方法设计了一个基于监督对比学习的特征学习模块，通过同时进行模态内和模态间的监督对比学习，确保异类特征相似度更小，同类特征相似度更大。此外，为了挖掘更多有用的多模态信息，方法设计了多阶段跨模态交互模块，通过多阶段的跨模态交互，学习带有图结构信息的跨模态交互特征。方法引入基于一致性评估的注意力机制，通过学习多模态一致性权重，有效聚合模态特定特征和跨模态交互特征。在两个基准数据集Weibo和Twitter上的实验表明，CMIFFN可以明显优于现有的多模态假新闻检测方法。

关键词：假新闻检测监督对比学习多阶段跨模态交互图卷积网络

联合异质图卷积网络和注意力机制的假新闻检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年第2期45卷 301-308页

作者：韩晓鸿赵梦凡张钰涛河北工程大学信息与电气工程学院河北邯郸056038 天津大学智能与计算学部天津300350

社交媒体平台的开放性和包容性为人们提供了自由的表达方式,但也引发了新的社会问题,假新闻在社交平台层出不穷,会引起公众恐慌,侵害人们的精神健康,这使得假新闻检测尤为必要.现有的假新闻检测方法大多侧重于从文本内容、用户和传播模... 详细信息

社交媒体平台的开放性和包容性为人们提供了自由的表达方式,但也引发了新的社会问题,假新闻在社交平台层出不穷,会引起公众恐慌,侵害人们的精神健康,这使得假新闻检测尤为必要.现有的假新闻检测方法大多侧重于从文本内容、用户和传播模式中挖掘有效信息,但是这些方法没有充分利用文本内容的全局语义关系.为了有效融合新闻内容的全局语义信息和新闻传播的全局结构关系,本文提出一种基于元路径的推文-词-用户异质图卷积注意力框架HGCAN,根据元路径将构建的推文-词-用户异质图分解为两个子图,通过图卷积网络提取传播结构特征,利用注意力机制聚合邻居节点的信息并学习子图重要性,从而有效学习节点的特征表示.在两个公开数据集上的实验结果表明,相比于其他方法,本文方法在准确率和F1指标上都取得了较为先进的结果.

关键词：异质图图卷积网络注意力机制假新闻检测

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于预训练和多模态融合的假新闻检测

计算机工程 2023年

作者：周昊玮刘勇玄萍黑龙江大学计算机科学与技术学院汕头大学工学院计算机科学与技术系

网络上的信息经常以多模态（文本、图像、视频、音频等）形式展现给读者。为此，研究者提出了一些基于多模态的假新闻检测模型。然而，现有的多模态检测模型通常对每个模态的特征进行简单拼接，不能对模态之间的相关性进行有效建模。而... 详细信息

网络上的信息经常以多模态（文本、图像、视频、音频等）形式展现给读者。为此，研究者提出了一些基于多模态的假新闻检测模型。然而，现有的多模态检测模型通常对每个模态的特征进行简单拼接，不能对模态之间的相关性进行有效建模。而且现有模型也很难迁移到标签稀少的领域。本研究提出了一种基于预训练和多模态融合的假新闻检测模型PMFD(Pre-trained multi-modal fusion for fake news detection)。首先，提取新闻附带图像不同区域的特征作为图像原始向量，合并图像原始向量作为图像引导向量。随后本研究设计了早期融合、中期融合、后期融合三种不同的多模态融合方式。在早期融合阶段，本研究用图像引导向量初始化文本特征提取器，获取文本原始向量，合并文本原始向量作为文本引导向量。在中期融合阶段，本研究使用模态的原始向量集合与其他模态的引导向量构造模态的特征表示。在后期融合阶段，本研究融合不同模态的特征表示，构造新闻的特征表示。为提高模型的泛化能力，本研究先在标签丰富的数据上对PMFD进行预训练，然后在标签稀少的数据上对PMFD进行微调。公开数据集上的实验结果表明，PMFD能有效检测假新闻结果。相对传统模型CNN，LSTM，Bert等，有10%以上的提升，对现有Eann，M＿model多模态假新闻检测模型有2%-3%的提升。

关键词：假新闻检测预训练多模态融合引导向量跨模态共享特征阶段融合

基于特征提取增强和评论双极论证的假新闻检测研究与应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于特征提取增强和评论双极论证的假新闻检测研究与应用

作者：汤长昊济南大学

学位级别：硕士

自媒体时代,每个网民都可以通过网络等途径向外发布事实和新闻。为了博取公众的眼球,假新闻事件层出不穷,不仅会误导不明真相的读者,而且会造成恶劣的社会影响。虚拟社交网络空间不仅成为传播虚假信息、恐怖思想和网络谣言等网络违法行... 详细信息

自媒体时代,每个网民都可以通过网络等途径向外发布事实和新闻。为了博取公众的眼球,假新闻事件层出不穷,不仅会误导不明真相的读者,而且会造成恶劣的社会影响。虚拟社交网络空间不仅成为传播虚假信息、恐怖思想和网络谣言等网络违法行为的中心,还成为某些政治和特殊利益集团进行恶意社会操纵行为的渠道和工具。处在大数据时代,仅靠人力是不可能有效遏制假新闻的泛滥,因此亟需有效的智能检测方式来帮助人们识别假新闻。当前对假新闻检测的研究主要集中在对文本特征的分析,以及基于信息可信度的分类方法上。当前的研究主要存在以下三个问题:首先,长文本特征表示容易因数据对齐而丢失边缘特征,保留的特征也难以保证对分类有效,使得模型难以捕获长距离依赖关系;其次,短文本存在语义稀疏及上下文关联信息缺失问题;最后,难以有效利用评论信息辅助假新闻检测,对评论立场的误判会影响检测效果。这些问题都会导致过拟合和欠拟合问题,为分类器的特征学习带来了挑战。在此背景下,本课题提出一种基于特征提取增强和评论双极论证的假新闻检测方法,用于自动检测假新闻。旨在为人们营造良好的网络环境,也为以后的假新闻检测研究提供参考价值。本文的主要贡献如下:(1)基于数据增强的长文本特征提取网络(Long Text Feature Extraction Network with Data Augmentation,简称LTFE):设计LTFE特征提取网络,提出一种长文本的特征提取方法,增强分类器对不平衡数据集的特征提取能力。提出一种面向微调阶段的二次遮蔽学习方法(Twice-Masked Language Modeling for Fine-tuning,简称TMLM-F),既利用注意力机制捕获了长距离依赖关系,也消除了编码器在预训练和微调阶段的学习偏差;提出一种保留边缘特征的数据对齐方法(Data Alignment that Preserves Edge Characteristics,简称DA-PEC),保留了长文本数据易被舍弃的边缘特征,同时也提高了特征学习的准确性。(2)结合注意力层的双通道卷积神经网络(Dual-channel Convolutional Neural Networks with Attention-pooling for Fake News Detection,简称DC-CNN):设计一种分类模型,解决了传统卷积神经网络池化层容易丢失局部和全局特征相关性的问题。提出一种结合最大池化层和注意力池化层的双通道池化层,最大池化层保留了模型对于局部特征的学习优势,注意力池化层提高了模型对于文本语义以及全局特征的学习能力。(3)基于评论双极论证框架的影响度聚合算法:设计一种评论信息聚合方法,通过提取评论立场中的有效信息辅助假新闻检测。提出一种重置评论立场的双极论证框架(Bipolar Argumentation Frameworks of Reset Comments Stance,简称BAFS-RCS),对评论与新闻之间的立场关系进行建模,并通过真假性分析调整框架结构;提出一种评论立场影响度聚合算法(Average Parameter Aggregation of Comments,简称APAC),通过聚合所有评论立场影响度来修正模型的分类误判,从而提高假新闻检测的准确率。综上所述,本文提出的方法不仅能够提高分类器对长文本和短文本的特征提取能力,同时也能够有效利用评论立场信息辅助假新闻检测,提高假新闻检测的准确率。

关键词：假新闻检测数据增强特征提取评论立场

基于多源特征动态融合的细粒度假新闻检测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多源特征动态融合的细粒度假新闻检测研究

作者：赵梦凡河北工程大学

学位级别：硕士

互联网技术的快速发展促使更多的用户从各种网络平台浏览新闻、表达观点,网络新闻爆炸性增长,其中各种假新闻也层出不穷。基于深度学习的模型通过提取新闻语义特征,在假新闻检测领域取得了巨大的成功,但仍存在诸多挑战。一方面,新闻中... 详细信息

互联网技术的快速发展促使更多的用户从各种网络平台浏览新闻、表达观点,网络新闻爆炸性增长,其中各种假新闻也层出不穷。基于深度学习的模型通过提取新闻语义特征,在假新闻检测领域取得了巨大的成功,但仍存在诸多挑战。一方面,新闻中包含丰富的信息,但这些类型不同的信息难以统一建模。另一方面,现有模型专注于提升新闻事后检测性能,忽略了早期检测,并且对降低噪声信息的研究也存在不足。针对这些问题,本文分别从融合多源信息和构建双通道注意力网络设计了异质图模型,应用于细粒度假新闻检测任务。针对新闻多源信息利用不充分、丢失新闻的高阶结构特征等问题,本文提出了融合多源信息局部-全局关系的假新闻检测模型,该模型联合新闻和用户等信息进行建模,构建了新闻-词和新闻-用户两个子图,模型首先构建了子图卷积网络和投影层分别提取新闻内容特征和传播特征,然后融入局部注意力区分不同节点的权重,最后搭建全局注意力网络衡量两个子图的权重,并最终实现细粒度假新闻检测。针对现有模型忽略了新闻各组成部分之间的交互、特征融合时引入大量噪声、未兼顾假新闻早期检测性能等问题,本文提出了基于特征动态融合的双通道异质图注意力假新闻检测模型。首先,通过构建新闻异质图,分别对新闻与词之间的语义信息及新闻与用户之间的传播扩散信息进行建模。其次,基于新闻-词异质图,构建语义信息提取器提取新闻高阶特征,并融入多头注意力机制区分不同节点语义特征的权重。此外,基于新闻-用户异质图,构建带有时间戳和用户元属性信息的传播扩散提取器捕获新闻的纵向传播和横向扩散特征,并集成注意力机制学习不同节点及传播和扩散路径的权重。最后,特征动态融合模块将新闻语义特征和传播扩散特征进行动态融合,从而获取节点的全局关系信息,有效地降低噪声信息的影响。在Weibo、Twitter15和Twitter16三个数据集上的实验表明本文提出的模型在假新闻检测任务上性能更优,且对长短文本均适用,并实现了假新闻的早期检测。

关键词：多源信息异质图注意力机制假新闻检测早期检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于混合特征的假新闻检测方法研究

基于混合特征的假新闻检测方法研究

作者：李小艳贵州大学

学位级别：硕士

新闻是人们获取信息的重要途径,但是新闻中常穿插着假新闻进行传播。近年来随着互联网的发展,假新闻传播变得更加猖獗,因而假新闻检测成了一项迫在眉睫的研究任务。目前为止,共分四个方向对假新闻进行研究,分别为基于知识库、基于行文... 详细信息

新闻是人们获取信息的重要途径,但是新闻中常穿插着假新闻进行传播。近年来随着互联网的发展,假新闻传播变得更加猖獗,因而假新闻检测成了一项迫在眉睫的研究任务。目前为止,共分四个方向对假新闻进行研究,分别为基于知识库、基于行文风格、基于立场以及基于传播途径。在社交网络上,假新闻为吸引流量和引导舆论方向,常使用有着明显差异的行文风格特征,基于这些差异性的行文风格特征已产出一定的研究成果,传统的基于行文风格特征的方法是将新闻文本作为一个文本分类问题,并将其拆分为特征工程和分类器两部分。而现有方法在特征工程构造过程中,存在以下两个问题:第一是对行文风格特征的选择不完整。现有做法,一般选择文本关键词和符号等部分行文风格特征,而忽略其他行文风格特征;第二是未考虑行文风格特征类型的多样性。行文风格特征类型繁多,每种特征对假新闻检测的重要程度都不尽相同,但是相关研究方法并没有考虑此类问题,而是直接使用统计学方法进行统计然后建模。这类模型虽然融合了行文风格特征进行研究,但是并不能发挥各种特征对假新闻检测的最大优势。目前为止,假新闻检测方法已取得一定研究成果,但是很少有检测工具落地。针对行文风格特征选择不完整的问题,本文采用统计学方法进一步挖掘了其他对假新闻检测有效的行文风格特征。针对未考虑行文风格特征种类多样性的问题,本文研究了各种行文风格特征的属性,并根据各自的属性将行文风格特征按词维度、句维度和篇维度进行分类,再结合文本语义信息来研究行文风格特征与假新闻之间的关系,提出了一种基于多维度行文风格特征的假新闻检测方法。在模型构建中,使用Text-CNN模型提取语义信息,加入Attention机制给各个维度的行文风格特征进行加权,以此来表示每种行文风格特征对假新闻的重要程度,使得更加合理的对假新闻进行预测。该方法在weibo数据集上取得较好的实验结果,F1值为86.95%。针对前序方法中存在的检测模型单一、句维度中没有考虑句子的上下文信息等问题,本文在基于多维度行文风格特征的假新闻检测方法的基础上,给出了基于混合特征的多通道假新闻检测方法。该方法借鉴了多粒度图片特征提取思想,将假新闻文本按字、词和句这三个粒度进行划分,然后使用多通道神经网络分别提取各粒度语义信息特征。在句粒度特征提取中,加入Bi-LSTM提取句子的上下文信息。然后使用基于DCA算法的融合方式将各粒度语义信息特征进行融合。该方法在weibo数据集上取得89.89%的F1值。针对假新闻检测工具落地不足的问题,本文在基于混合特征的多通道假新闻检测方法基础上,设计并实现了一个面向假新闻的自动检测工具。该工具使用基于Python的Flash轻量级Web框架进行搭建,并使用My SQL数据库进行数据存储。经过需求分析,主要设计四个功能,分别为假新闻检测、谣言线索提交、热点新闻展示以及其他辟谣平台入口。

关键词：假新闻检测神经网络行文风格特征多粒度特征融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多模态的假新闻检测方法研究

基于多模态的假新闻检测方法研究

作者：周昊玮黑龙江大学

学位级别：硕士

飞速发展的社交网络,让信息的传递变得更加便利。与此同时,众多谣言和假新闻也在开放的社交媒体平台上遍地开花,疯狂传播,严重影响了网络信息的可信度。传统方法费时费力,无法广泛的进行推广使用。因此自动化的虚假新闻检测十分必要。... 详细信息

飞速发展的社交网络,让信息的传递变得更加便利。与此同时,众多谣言和假新闻也在开放的社交媒体平台上遍地开花,疯狂传播,严重影响了网络信息的可信度。传统方法费时费力,无法广泛的进行推广使用。因此自动化的虚假新闻检测十分必要。为吸引读者的眼球,网络上的信息(如评论、博客、微博)也经常以多种形式(文本、图像、视频、音频等)形式展现给读者。随着人工智能的崛起,这些多样化的新闻数据为使用人工智能来进行假新闻检测创造了更多的条件。然而,机遇的背后也伴随着挑战。其一,研究者提出了一些基于多模态的假新闻检测模型。然而,现有的多模态检测模型通常对每个模态的特征进行简单拼接,不能对模态之间的相关性进行有效建模,导致检测效果欠佳。其二,新闻领域众多,且目前有许多需要跨领域的学科合作,这使得假新闻检测需要一系列的专业知识,而模型的训练无法做到各领域各学科面面俱到。其三,现有模型也很难迁移到标签稀少的领域。其四,现有多数假新闻检测模型往往仅关注一些有标注数据的有监督假新闻检测方法,但在现实应用中,标注数据往往因为标注成本、时间、数量等因素不适合在现实场景中应用。最后,在研究中本文发现,大多数的假新闻检测模型非常注重特征提取、模型的构建等,忽视了对分类判断逻辑单元的研究。为了解决上述问题,本文提出三种假新闻检测研究方法。(1)基于多阶段融合的多模态的假新闻检测。为解决现有的多模态检测模型通常对每个模态的特征进行简单拼接,不能对模态之间的相关性进行有效建模,导致检测效果欠佳和现有模型难以迁移到标签稀少的领域的问题。本文提出了一种基于多阶段融合的多模态假新闻检测模型PMFD,能有效建模文本和图像之间的相关性,并捕获文本的层次语义。PMFD首先提取图像的区域特征和文本的原始向量,然后通过早期、中期、晚期三种融合方式,构造新闻的特征表示。为提高泛化能力,PMFD采用预训练和微调的策略,在标签丰富和标签稀少的数据集上进行实验,结果显示PMFD优于现有的多模态假新闻检测模型。(2)基于图像自监督学习的多模态假新闻检测。为解决现有多数多模态假新闻检测模型更多的关注文本信息而忽略图像信息的局限性,以及标注数据因为成本、时间、数量等因素不适合在现实场景中应用的问题,本文提出了一个基于图像自监督预训练的多模态假新闻检测模型,能有效利用无标注的图像数据来增强图像特征提取,并结合文本特征来判别新闻真假。该模型首先通过随机遮蔽部分图像块,训练一个非对称的编码器-解码器网络来重建原始图像。然后,将编码器与文本提取器进行微调,并通过低秩双线性池化融合多模态特征。最后,输入一个分类器来判别新闻真假。该模型具有原理简单、实施容易、训练速度快、泛化能力强等优点。实验结果表明,该模型比现有多模态方法更准确。(3)基于多模融合与生成对抗网络的假新闻检测。多模态信息有助于假新闻检测,但多数模型只用简单的全连接层判断最终新闻的真假,难以应对跨领域的专业知识。本文提出了一种基于多模融合与生成对抗网络的假新闻检测模型,能有效利用多模态信息来判断新闻真假,并通过对抗训练来增强模型的鲁棒性和泛化能力。该模型首先通过特征提取器提取文本和图像的特征,并通过条件批量归一化的方法来融合新闻特征。然后,将新闻特征输入到一个由生成器、鉴别器和分类器组成的对抗网络中。生成器负责产生更复杂的新闻特征,鉴别器负责区分真实和生成的新闻特征,分类器负责判别新闻真假。同时,引入语义匹配判别器来约束分类器的输出。该模型能够捕捉到低频但更强的假新闻模式,并具有较强的可迁移性。实验结果表明,该模型在多个数据集上均优于现有方法。

关键词：假新闻检测多模态自监督学习自编码器对抗神经网络预训练

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的假新闻检测系统研究与实现

基于机器学习的假新闻检测系统研究与实现

作者：梁一鸣沈阳师范大学

学位级别：硕士

随着互联网技术的进步,在线社交媒体网站在当今生活的各个方面都发挥着重要作用。近四分之三的人至少参与一个在线社交网络,如微博、知乎等,这些类型的在线媒体为他们的用户一定程度上提供了大量的信息。随着社交媒体使用率的不断增加,... 详细信息

随着互联网技术的进步,在线社交媒体网站在当今生活的各个方面都发挥着重要作用。近四分之三的人至少参与一个在线社交网络,如微博、知乎等,这些类型的在线媒体为他们的用户一定程度上提供了大量的信息。随着社交媒体使用率的不断增加,打击虚假信息的传播,降低从此类来源获取信息的依赖已经成为必要。社交平台一直面临着寻找有效方法解决这一问题的压力,因为用户与虚假以及不可靠新闻的互动导致其在个人层面传播的速度加快。这种错误信息的传播使人们对重要活动的看法产生了不利影响,因此,需要快速处理这一问题。本文研发的假新闻检测系统,主要是可以对假新闻进行检测,遏制住假新闻的扩散,减少假新闻对广大人民群众的影响,从而达到维护社会稳定,构建环境良好社交网络平台的目的。文本主要研究工作如下:(1)通过调查发现在社交网络中,用户能够很直接地发表出自己关于新闻的看法,因此用户对新闻的态度,可以看作是一种重要的特征。同时在新闻标题中也蕴含了作者的情感倾向,作者的态度对观看者会产生直接的影响,这种影响不能被忽略。所以,不仅选取了用户评论特征也选取了新闻标题情感特征。通过对上述的特征进行情感分析,可以有效的为新闻检测提供支持。为了更好的对假新闻进行检测,本文还提取了文本相似度特征及用户账号可信度特征。将特征输入到分类器中进行假新闻检测。相比较于单一的文本特征,提高了假新闻检测的准确度。(2)本系统主要设计并实现了一个基于机器学习的假新闻检测系统。该系统主要使用TF-IDF算法以及余弦相似度提取出新闻文本的相似度特征;使用融入情感词典的长短时记忆网络模型对用户评论及新闻标题进行情感特征分析,提取出用户评论和新闻标题的情感类别特征,同时也提取出用户账号可信度特征。其中算法模型采用了改进朴素贝叶斯分类器对提取到的特征进行加权运算,从而实现对真、假新闻的二分类。(3)本系统结合当前的需求背景进行了需求分析,确定了该系统应该具备的主要功能并对其进行了详细设计,该系统主要包括数据爬取、新闻查询、假新闻检测、分析结果可视化以及检测记录等功能模块。文章的最后也对相关的实现部分进行了展示。

关键词：假新闻检测情感分析长短时记忆网络模型改进朴素贝叶斯分类器