基於多模態 Transformer 的虛假新聞檢測模型構建與性能優化

摘要

針對當前虛假新聞多模態融合傳播下解釋性不足的問題，本文提出一種融合監督對比學習與多階段交互機制的多模態 Transformer 檢測模型（SCL‑MSIT）。研究在特徵提取的基礎上，通過監督對比學習增強特徵判別能力，分析多尺度跨模態交互性以挖掘模態間深層關聯，採用一致性注意力機制實現高效特徵融合。實驗結果表明，SCL‑MSIT 在準確率、精確率、召回率及 F1 值等指標上均優於傳統模型，驗證了模型的有效性，可爲虛假新聞的傳播管理提供科學判斷。