【技术实现步骤摘要】
本专利技术涉及机器学习,尤其涉及一种虚假信息检测模型的训练方法及装置。
技术介绍
1、随着社交媒体平台的广泛普及和便利性的增加,用户群体的不断壮大,社交媒体网站已经成为各种信息的集散地,由此衍生的一些虚假信息恶意地扭曲和捏造事实信息,如何对海量的社交媒体信息进行高效的、自动地识别,具有较大的研究和应用价值。
2、相关技术中,通常采用深度网络模型对虚假信息进行检测,但在实际处理过程中,模型将图像与文本特诊进行拼接,忽略了多模态信息间和信息内的细粒度内在联系,缺乏对关键信息的检索和筛选,使得不同模态信息之间缺乏相互指导和信息交互,导致模型对多模态信息学习不充分,进而导致模型的检测性能低。
技术实现思路
1、本专利技术提供一种虚假信息检测模型的训练方法及装置,用以解决现有技术采用的深度网络模型对多模态信息学习不充分,对虚假信息检测性能低的缺陷,提高了虚假信息检测模型的检测性能。
2、本专利技术提供一种虚假信息检测模型的训练方法,包括:
3、获取目标社交信息对应
...【技术保护点】
1.一种虚假信息检测模型的训练方法,其特征在于,包括:
2.根据权利要求1所述的虚假信息检测模型的训练方法,其特征在于,所述从所述图像数据中提取图像特征表示包括:
3.根据权利要求1所述的虚假信息检测模型的训练方法,其特征在于,所述对所述图像特征表示和所述文本特征表示进行多模态处理,得到文本-图像上下文信息,对所述文本特征表示和所述用户评论特征表示进行多模态处理,得到文本-用户评论上下文信息包括:
4.根据权利要求3所述的虚假信息检测模型的训练方法,其特征在于,所述两个Transformer网络包括文本-评论Transformer网
...【技术特征摘要】
1.一种虚假信息检测模型的训练方法,其特征在于,包括:
2.根据权利要求1所述的虚假信息检测模型的训练方法,其特征在于,所述从所述图像数据中提取图像特征表示包括:
3.根据权利要求1所述的虚假信息检测模型的训练方法,其特征在于,所述对所述图像特征表示和所述文本特征表示进行多模态处理,得到文本-图像上下文信息,对所述文本特征表示和所述用户评论特征表示进行多模态处理,得到文本-用户评论上下文信息包括:
4.根据权利要求3所述的虚假信息检测模型的训练方法,其特征在于,所述两个transformer网络包括文本-评论transformer网络和文本-图像transformer网络;
5.根据权利要求1所述的虚假信息检测模型的训练方法,其特征在于,所述对所述文本-图像上下文信息和所述文本-用户评论上下文信息分别进行...
【专利技术属性】
技术研发人员:钱胜胜,徐常胜,向旺,王一飞,
申请(专利权)人:中国科学院自动化研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。