Triple Path Enhanced Neural Architecture Search for Multimodal Fake News Detection

要約

マルチモーダルの偽のニュース検出は、ソーシャルメディアプラットフォームで最も重要な問題の1つになりました。
既存の方法は高度なパフォーマンスを達成しましたが、2つの主な課題は続きます。（1）モデルアーキテクチャの固化によるパフォーマンスの低いマルチモーダルニュース情報融合、および（2）部分モダリティの弱い一般化能力には偽のニュースが含まれています。
これらの課題を満たすために、斬新で柔軟なトリプルパス強化されたニューラルアーキテクチャ検索モデルミューズを提案します。
ミューズには、部分的なモダリティが含まれる偽のニュースを検出するための2つの動的なパスと、潜在的なマルチモーダル相関を活用するための静的なパスが含まれています。
実験結果は、Museがベースラインよりも安定した性能向上を達成することを示しています。

要約(オリジナル)

Multimodal fake news detection has become one of the most crucial issues on social media platforms. Although existing methods have achieved advanced performance, two main challenges persist: (1) Under-performed multimodal news information fusion due to model architecture solidification, and (2) weak generalization ability on partial-modality contained fake news. To meet these challenges, we propose a novel and flexible triple path enhanced neural architecture search model MUSE. MUSE includes two dynamic paths for detecting partial-modality contained fake news and a static path for exploiting potential multimodal correlations. Experimental results show that MUSE achieves stable performance improvement over the baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google