公开(公告)号：CN113221872B

公开(公告)日：2022-09-20

申请号：CN202110607067.1

申请日：2021-05-28

Applicant: 北京理工大学

Inventor： 罗森林 ,  侯钰斌 ,  潘丽敏 ,  秦枭喃 ,  吴舟婷

IPC: G06V30/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/46 ,  G06N3/04 ,  G06N3/08 ,  G06F40/284

Abstract: 本发明涉及生成对抗网络与多模态融合的假新闻检测方法，属于机器学习领域。主要为了解决单模态假新闻检测特征不足，多模态假新闻检测中不同模态特征之间异质性较大且拼接方式简单，模型训练过程局限于单一数据集，导致假新闻检测准确率和模型泛化性低下的问题。本发明首先需要训练条件生成对抗网络，该网络可以根据输入图片输出描述图片的文本特征；然后提取新闻的文本特征和图片特征，使用条件生成对抗网络将新闻图片特征转化为文本特征，将新闻文本特征、描述新闻图片的文本特征和新闻的图片特征进行张量融合；最后，将融合的特征输入神经网络得到新闻真实性的分类结果。

公开(公告)号：CN113221872A

公开(公告)日：2021-08-06

申请号：CN202110607067.1

申请日：2021-05-28

Applicant: 北京理工大学

Inventor： 罗森林 ,  侯钰斌 ,  潘丽敏 ,  秦枭喃 ,  吴舟婷

IPC: G06K9/20 ,  G06K9/34 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F40/284

Abstract: 本发明涉及生成对抗网络与多模态融合的假新闻检测方法，属于机器学习领域。主要为了解决单模态假新闻检测特征不足，多模态假新闻检测中不同模态特征之间异质性较大且拼接方式简单，模型训练过程局限于单一数据集，导致假新闻检测准确率和模型泛化性低下的问题。本发明首先需要训练条件生成对抗网络，该网络可以根据输入图片输出描述图片的文本特征；然后提取新闻的文本特征和图片特征，使用条件生成对抗网络将新闻图片特征转化为文本特征，将新闻文本特征、描述新闻图片的文本特征和新闻的图片特征进行张量融合；最后，将融合的特征输入神经网络得到新闻真实性的分类结果。