![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
多模态
文章平均质量分 84
图灵爱我
小菜比
展开
-
GCAN:使用图注意力网络来做社交媒体虚假新闻检测
GCAN:使用图注意力网络来做社交媒体虚假新闻检测Abstract主要任务:给定短文本的推特和一系列用户的转播链来判断是不是虚假新闻,并且对虚假新闻检测做一些解释性研究。模型:GCAN 主要包括GCN,co-attention模块Introduction基于的思想主要是源推特的情感和观点应该会被用户的参与和交互反映(主要强调了交互特征的作用),集体智能!现有的虚假新闻检测方法主要需要很丰富的用户评论来补充和分析推特的观点,检测虚假新闻,还有些需要很长的文本来提取信息。现在最好的模型是dEFEND原创 2021-04-03 00:58:17 · 1121 阅读 · 2 评论 -
EANN
EANN论文笔记Abstractfake new检测,主要落脚点在于检测新出现的紧急事件。过去的方法主要是学习了事件相关的特定特征,并不具备泛化性和通用性,所以对新出现的事件效果不好。文章提出了EANN来解决这个问题。EANN包括三个部分,多模态特征提取器,虚假新闻检测和事件检测。多模态提取视觉和文本信息,主要是事件检测器去除多模态特征中与事件有关的特征,让虚假新闻检测使用分享的特征。数据集从微博和推特收集。Introduction虚假新闻的坏处和检测的必要性。再次重述现在的模型提取特征的局限性原创 2021-03-20 14:15:41 · 879 阅读 · 0 评论