Multimodal fake news datasets

We evaluate the proposed FSDUF model on three publicly available social media benchmark datasets: Weibo {jin2017multimodal}, Twitter {boididou2015verifying}, and Pheme {zubiaga2017exploiting}.Weibo dataset consists of original tweet texts and corresponding images collected from authoritative news sources in China.  Twitter dataset contains real and fake news samples sourced from the MediaEval Benchmarking Initiative. Pheme dataset includes rumors and non-rumors posted on Twitter during breaking news events, covering nine different events, with each rumor annotated as real or fake. All datasets are randomly divided into training, validation, and testing sets with a ratio of 7:1:2. 

本研究针对所提出的FSDUF模型，在三个公开可用的社交媒体基准数据集上开展评测：微博（Weibo）数据集{jin2017multimodal}、推特（Twitter）数据集{boididou2015verifying}以及Pheme数据集{zubiaga2017exploiting}。微博数据集包含从中国权威新闻源采集的原始推文文本与对应图像。推特数据集包含源自媒体评测基准倡议（MediaEval Benchmarking Initiative）的真实与虚假新闻样本。Pheme数据集涵盖突发新闻事件期间在推特上发布的谣言与非谣言内容，涉及9起不同事件，且每条谣言均标注为真实或虚假。所有数据集均按照7:1:2的比例随机划分为训练集、验证集与测试集。

搜集汇总

背景与挑战

背景概述

该数据集是一个多模态假新闻检测数据集，整合了Weibo、Twitter和Pheme三个公开社交媒体基准数据，包含文本和图像模态，用于训练和评估假新闻检测模型。数据集覆盖多个新闻事件，标注了谣言的真实性，并按标准比例划分训练、验证和测试集，适用于人工智能研究。