假新闻检测论文分享（17）CAFE(Cross-modal Ambiguity Learning for Multimodal Fake NewsDetection)

1介绍

本文首先从信息论的角度对跨模态歧义性学习问题进行形式化描述，利用不同单模态特征之间的分布散度量化其歧义性;然后，提出了一种模糊度感知的多模态假新闻检测方法CAFE。CAFE通过自适应地聚合单模态特征和跨模态关联，即在跨模态歧义性较弱时依赖单模态特征，在跨模态歧义性较强时参考跨模态关联，从而提高假新闻检测精度。

主要创新点：

1. 提出了跨模态歧义学习问题，这是多模态假新闻检测的一个关键挑战，并提出了一种基于KL散度的方法，通过估计其特征分布的散度来量化文本和图像之间的歧义。
2. 提出了CAFE——一种模糊感知的多模态假新闻检测方法，通过学习的模糊分数，自适应地聚合单模态特征和跨模态相关性。
3. 在两个广泛使用的数据集——Twitter和Weibo上进行实验。实验结果表明，与当前主流的假新闻检测方法相比，CAFE在两个数据集上的准确率分别提高了2.2 ~ 18.9%和1.7 ~ 11.4%。

2 相关工作

单模态检测方法

（一）依赖于文本内容分析[5,7 - 10,24,25,32]，