對(duì)于假新聞檢測(cè)器，完全連接層的隱藏大小為64。 事件鑒別器由兩個(gè)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(duì)于所有基線和建議的模型，我們?cè)谟?xùn)練階段使用100個(gè)實(shí)例的相同批處理大小，并且訓(xùn)練時(shí)期為100。 在Twitter數(shù)據(jù)集上 ， 不同事件上的推文數(shù)量不平衡 ，并且超過(guò)70％的推文與單個(gè)事件相關(guān)。 文本模態(tài)包含更明顯的事件特定功能，從而嚴(yán)重阻止了Text模型在不同事件之間提取可轉(zhuǎn)移特征。 至于另一個(gè)單一形式的基準(zhǔn)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(jué)模式對(duì)于偽造新聞檢測(cè)是有效的，但Vis的性能仍比多模式方法差。