多领域多模态融合网络的虚假新闻检测

来源：计算机工程与应用杂志2025年第11期北京时间：

作者：焦世明, 于凯

单位：1.新疆大学 计算机科学与技术学院，乌鲁木齐 830049；2.新疆财经大学 公共管理学院， 乌鲁木齐 830012

摘要：公众能够从互联网快速获取海量有价值的信息，但也为虚假新闻的广泛和迅速传播提供了便利。因此，在社交媒体上发现并标记出虚假新闻变得非常重要，快速准确地识别出虚假新闻能够有效防止负面网络舆情的形成，减少不良社会影响。在现有虚假新闻识别研究基础上，构建了多领域多模态融合网络虚假新闻检测模型（DMMFN）。DMMFN模型中使用了BERT模型将虚假新闻的文本内容转换为文本向量，使用CLIP提取图片特征信息，考虑文本与图像相关性与交互性，建立一个多模态融合网络，组成的两个联合矩阵促进不同模态之间的信息交互和融合。引入一个多领域分类器，让不同事件的多模态特征可以映射到同一个特征空间中。在Twitter和Weibo数据集中测试了模型的性能，实验结果证明，DMMFN模型在accuracy、precision和F1分数上均优于SIMPLE、CCD等基线模型。

关键词：虚假新闻,BERT,CLIP,多模态融合,多领域分类