-
题名基于跨社交媒体传播特征的虚假新闻检测模型
- 1
-
-
作者
高源
纪科
于泳欣
马坤
马冲
赵晓凡
赵振宇
-
机构
济南大学信息科学与工程学院
山东省泛在智能计算重点实验室(济南大学)
中国人民公安大学信息网络安全学院
山东人才发展集团信息技术有限公司
-
出处
《计算机应用》
北大核心
2025年第S2期40-45,共6页
-
基金
国家自然科学基金资助项目(72471103)。
-
文摘
针对现有虚假新闻检测模型依赖单一社交平台数据收集进行分析,忽视不同媒体平台新闻内容差异,且对信息在传播过程中产生的特征缺乏关注的问题,提出一种基于跨社交媒体传播特征的虚假新闻检测模型(FBCM)。首先,从不同社交平台收集待检测新闻的相关内容及传播数据,构建跨社交媒体数据集;其次,将内容数据通过8个基准模型进行分析以得到预判断结果,同时从传播数据中获取传播特征以得出传播结果;最后,结合两方面结果并融入后启发式思想进行纠错调整,从而得到最终判断结果。实验结果表明,在验证跨平台数据集上,所提模型与MPFN(Multimodal fake news detection via Progressive Fusion Networks)模型相比,准确率提高了8.66个百分点,精确率提高了8.03个百分点,召回率提高了14.70个百分点,F1分数提高了10.97个百分点,有效解决了现有假新闻检测模型依赖单一平台数据以及时效性差的问题。
-
关键词
自然语言处理
虚假新闻检测
跨社交媒体
在线多源数据
传播特征
-
Keywords
Natural Language Processing(NLP)
fake news detection
cross-social media
online multi-source data
dissemination feature
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名多源异构数据渐进式融合的虚假新闻检测
被引量：1
- 2
-
-
作者
于泳欣
纪科
高源
陈贞翔
马坤
赵晓凡
-
机构
济南大学信息科学与工程学院
山东省网络环境智能计算技术重点实验室
中国人民公安大学信息网络安全学院
安全防范技术与风险评估公安部重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2024年第11期30-38,共9页
-
基金
山东省重点研发计划(2021CXGC010103,2018CXGC0706)
山东省自然科学基金(ZR2022LZH016)。
-
文摘
社交媒体平台上充斥着大量未经验证的信息,这些信息大多为不同来源的异构数据,其传播范围之广、速度之快,对个人和社会造成了严重危害。因此,有效检测和防范虚假新闻至关重要。针对当前虚假新闻检测模型局限于从单一数据来源获取新闻文本及视觉信息,导致新闻报道主观性较强、数据覆盖不全面的问题,提出了一种多源异构数据渐进式融合的虚假新闻检测模型。首先,进行多源异构数据的收集、筛选和清洗,由此构建了一个多源多模态数据集,其中包含关于每个事件的多个不同角度的报道;接着,通过将文本特征提取器和视觉特征提取器获取的特征输入多源融合模块,实现了不同来源特征之间的渐进式融合;同时,引入文本的情感特征和图像的频域特征,以实现多层次的特征提取;最后,采用软注意力机制进行特征集成。实验结果和分析表明,与已有的流行方法相比,所提模型有较好的检测效果,为大数据时代的虚假新闻检测提供了一种有效的解决方案。
-
关键词
虚假新闻检测
数据扩增
多源异构数据
特征融合
情感特征
频域特征
-
Keywords
Fake news detection
Data augmentation
Multi-source heterogeneous data
Feature fusion
Sentiment feature
Frequency domain feature
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
