多层次多专家的多模态虚假新闻检测方法OA

有效检测虚假新闻对维护信息生态的健康至关重要。为解决现有方法中语义冲突建模不足、噪声鲁棒性弱等方面问题,旨在提出一种基于多层次多专家的多模态虚假新闻检测模型M^(3)FEND。采用全局-局部的双通道架构提取多层次特征,结合专家网络策略增强模态表征能力;通过设计的多专家语义冲突感知层,解耦跨模态全局矛盾、局部区域失配及模态内的不一致性;构建具有软路由噪声感知机制的多专家模态融合层,自适应地聚合信息以应对数据不完美情况,提高融合鲁棒性;引入课程学习策略分阶段稳定训练模型,实现从单模态到多模态的渐进式优化过程。在Weibo、Weibo21和GossipCop三个数据集上的实验表明,M^(3)FEND模型准确率分别高达94.19%、94.95%和90.40%,优于所有基准模型,证实了多专家协作的冲突感知与融合方法对提升检测性能的有效性。