分层原型对比学习模型

谣言检测SOTA

用动态分层原型捕捉谣言语义结构，以课程学习对抗噪声数据，在四个公开数据集上达最优。

Peng, Zheng · Dou, Yong · Yan, Yeqing

Information Processing and Management 2024

技术优势

捕捉层级语义

通过动态更新的分层原型进行对比学习，显式建模谣言内部的语义层级结构，提升表达力。

抗噪训练

设计基于实例与原型距离的难度度量函数，并引入课程学习，从易到难训练，减轻噪声数据的负面影响。

四数据集SOTA

在四个公开谣言检测数据集上均取得最优性能，证明了方法的有效性。

应用场景

• 社交媒体内容审核：自动识别谣言帖子，减少人工审核工作量。
• 舆情监控系统：检测舆情信息中的谣言，防止虚假信息扩散。
• 网络安全情报：识别网络威胁相关的谣言信息，提升情报准确性。