隨著社交媒體的迅猛發展，虛假新聞和煽動性內容傳播速度加快，已引發多起社會騷亂和暴力事件。南亞等地區的案例表明，透過Facebook和WhatsApp等平臺傳播的錯誤資訊往往能在事實核查前造成實際傷害。為應對這一挑戰，一項新研究提出了名為“騷動的迴響”的多模態自然語言處理（NLP）框架，旨在早期檢測虛假資訊和暴力傾向。
該框架由Md. Maruf Bangabashi及其同事開發，已作為書章被Taylor & Francis出版社收錄（2026年出版）。框架的核心是多模態融合架構：採用XLM-RoBERTa進行多語言文本表示，CLIP進行視覺嵌入，並透過多頭注意力機制整合這些特徵。此外，還引入了諷刺檢測和地理空間後設資料作為輔助特徵，以增強預測能力。
研究團隊建立了一個融合資料集，包含138,256條孟加拉語和英語樣本，來自多個基準資料集，涵蓋文本和影像模態。在30%的測試子集上，該框架達到了98%的測試準確率，同時保持了高精確率和召回率。實驗結果表明，多模態方法在早期錯誤資訊檢測中具有顯著效果，而地理空間訊號的加入進一步提高了對現實世界衝突演變的預測能力。
該研究為社交媒體平臺的即時監控提供了潛在工具，有望在錯誤資訊引發實際暴力前發出預警，減少社會動盪風險。此外，框架的多語言能力使其適用於多種語言環境，特別是南亞等社交媒體使用頻繁的地區。未來工作可能包括擴充套件到更多語言和最佳化即時推理速度。