使用语言验证数据和异质模态融合进行短视频假新闻检测的多模式学习

于红博

摘要: 短视频平台的迅速扩张使得需要先进的方法来检测虚假新闻。这种需求源于误导信息的广泛影响和分享的便利性，这可能导致重大的社会危害。当前的方法通常难以处理短视频内容的动态和多模态特性。本文介绍了HFN，即异构融合网络，这是一个新颖的多模态框架，将视频、音频和文本数据整合在一起，以评估短视频内容的真实性。HFN引入了一个决策网络，在推理过程中动态调整模态权重，以及一个加权多模态特征融合模块，以确保即使在数据不完整的情况下也能保持稳健的性能。此外，我们贡献了一个专门设计用于短视频虚假新闻检测的全面数据集VESV（短视频真实性）。在FakeTT和新收集的VESV数据集上进行的实验表明，与最先进的方法相比，在Marco F1指标上分别提高了2.71%和4.14%。这项工作建立了一个强大的解决方案，能够有效地在短视频平台的复杂环境中识别虚假新闻，为打击误导信息提供更可靠和全面的方法铺平道路。

更新时间: 2025-09-19 04:24:57

领域: cs.CV,cs.AI

下载: http://arxiv.org/abs/2509.15578v1