选择多模态组特征提升社交媒体谣言检测性能

社交平台新闻常常是文字、图片与音视频多种模态结合。多模态数据结构复杂，特征冗杂，噪声特征影响检测精度。针对以上难题提出基于组特征选择的谣言检测方法FS-MKL,基于多核学习的组特征选择将同构数据作为一个整体，检测其重要性，并融合fastPCA和SVM-RFE算法进行降维，过滤噪声特征。实验结果表明，FS-MKL方法对于推特中的多模态谣言有较好的识别效果，是一种有效的多媒体社交谣言检测方案。