基于多模态 Transformer 的虚假新闻检测模型构建与性能优化

摘要

针对当前虚假新闻多模态融合传播下解释性不足的问题，本文提出一种融合监督对比学习与多阶段交互机制的多模态 Transformer 检测模型（SCL‑MSIT）。研究在特征提取的基础上，通过监督对比学习增强特征判别能力，分析多尺度跨模态交互性以挖掘模态间深层关联，采用一致性注意力机制实现高效特征融合。实验结果表明，SCL‑MSIT 在准确率、精确率、召回率及 F1 值等指标上均优于传统模型，验证了模型的有效性，可为虚假新闻的传播管理提供科学判断。