Dans cet article, nous proposons un nouveau modèle, le Knowledge Augmentation and Emotion Guidance Network (KEN), qui utilise à la fois des images et du texte pour résoudre le problème des fausses nouvelles sur les réseaux sociaux. Afin de pallier le manque de sémantique des images et la difficulté de déterminer la crédibilité due au manque d'informations textuelles dans les études précédentes, nous utilisons un modèle linguistique à grande échelle (LLM) pour générer des légendes d'images et enrichir les informations textuelles. De plus, nous appliquons un apprentissage équilibré pour améliorer la précision des informations selon différents types émotionnels grâce à une approche discriminante selon le type émotionnel de l'information. La supériorité du modèle KEN proposé est confirmée par des expériences sur des ensembles de données réelles.
