EANN: Event Adversarial Neural Networks for Multi-Modal Fake News Detection
EANN用于新事件上的假消息识别，包含三个组件：多模态特征抽取器，假消息检测器和事件判别器。多模态特征抽取器用于文本和图像特征；假消息检测器上的损失函数最小来保证假消息检测的准确性，事件判别器上的交叉熵损失最大来保证事件无关性。
(
θ
^
f
,
θ
^
d
)
=
a
r
g
m
i
n
θ
f
,
θ
d
L
f
i
n
a
l
(
θ
f
,
θ
d
,
θ
^
e
)
θ
^
e
=
a
r
g
m
a
x
θ
e
L
f
i
n
a
l
(
θ
^
f
,
θ
e
)
\begin{aligned} (\hat{\theta}_f,\hat{\theta}_d)&=arg \mathop{min}\limits_{\theta_f,\theta_d}L_{final}(\theta_f,\theta_d,\hat{\theta}_e)\\ \hat{\theta}_e&=arg\mathop{max}\limits_{\theta_e}L_{final}(\hat{\theta}_f,\theta_e) \end{aligned}
(θ^f,θ^d)θ^e=argθf,θdminLfinal(θf,θd,θ^e)=argθemaxLfinal(θ^f,θe)
通过结合假消息检测器和事件判别器，形成了一个最大最小问题，类似于对抗网络思想。
算法
代码&数据集
https://github.com/yaqingwang/EANN-KDD18
扫一扫
2067
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
