APK-CNN和Transformer增强的多域虚假新闻检测模型

为解决社交媒体新闻中的领域转移、领域标签不完整问题,以及探索更高效的多域新闻文本特征提取和融合网络,提出一种基于APK-CNN(Adaptive Pooling Kernel Convolutional Neural Network)和Transformer增强的多域虚假新闻检测模型Transm3。首先,设计三通道网络对文本的语义、情感和风格信息进行特征提取和表示,并利用多粒度跨域交互器对这些特征进行视图组合;其次,通过优化的软共享内存网络和域适配器来完善新闻领域标签;再次,将Transformer与多粒度跨域交互器结合,使用更先进的融合网络动态加权聚合不同领域的交互特征;最后,将融合特征输入分类器中用于真/假新闻判别。实验结果表明,Transm3与M3FEND(Memory-guided Multi-view Multi-domain FakE News Detection)和EANN(Event Adversarial Neural Networks for multi-modal fake news detection)相比,综合F1值在中文数据集上分别提高了3.68%和6.46%,在英文数据集上分别提高了6.75%和11.93%,在各分领域上F1值也有明显的提高,充分验证了Transm3在多域虚假新闻检测工作上的有效性。