语义增强的多模态虚假新闻检测

亓 鹏 曹 娟 盛 强

(中国科学院智能信息处理重点实验室(中国科学院计算技术研究所) 北京 100190)

(中国科学院计算技术研究所 北京 100190)

(中国科学院大学 北京 100049)

中国社会科学院2020年发布的《中国新媒体发展报告No.11》[1]显示，以微信、微博等为代表的社交媒体已经成为我国公众获取新闻信息的主要渠道.社交媒体的实时性、开放性、便捷性和双向性使得人们可以快速地获取并传播信息.但与此同时，社交媒体低门槛的特点也促进了虚假信息尤其是虚假新闻在网络空间的滋长蔓延.网络虚假新闻不仅使受众深受其害，冲击了主流媒体的权威性和公信力，还产生了经济、政治等多个方面的风险隐患(1)http://www.cac.gov.cn/2020-01/23/c_1581318267502085.htm.近年来，在社交媒体的富媒体化趋势下，用户发布的内容由纯文本向图文并茂的多媒体形式转变.虚假新闻的发布者也开始利用一些极具误导性甚至经过篡改的图片来吸引读者的注意，进一步促进虚假新闻的传播[2].因此，基于社交媒体的多模态虚假新闻检测已经成为近年来的研究热点.

现有研究表明：虚假新闻在表现层面上与真实新闻具有显著的差异性.虚假新闻往往呈现出更加强烈的情感煽动性、主观性[3-4]，经常出现“紧急通知”“快转”等高频短语；虚假新闻图片具有低质量、视觉冲击力强的特点[5-6].相比下，真实新闻往往更加客观严谨，配图质量更高.现有的多模态方法[7-9]一般采用通用的循环神经网络(recurrent neural network, RNN)和卷积神经网络(convolutional neural network, CNN)分别捕捉虚假新闻文本……