對于假新聞檢測器,完全連接層的隱藏大小為64。 事件鑒別器由兩個完全連接層組成:第一層的隱藏大小為64 ,第二層的隱藏大小為32。 對于所有基線和建議的模型,我們在訓練階段使用100個實例的相同批處理大小,并且訓練時期為100。 在Twitter數據集上 , 不同事件上的推文數量不平衡 ,并且超過70%的推文與單個事件相關。 文本模態包含更明顯的事件特定功能,從而嚴重阻止了Text模型在不同事件之間提取可轉移特征。 至于另一個單一形式的基準Vis,其性能要比Text好得多。 圖像的特征更易于傳遞 ,因此減少了帖子不平衡的影響。 盡管視覺模式對于偽造新聞檢測是有效的,但Vis的性能仍比多模式方法差。