論文の概要: Detection of Illicit Drug Trafficking Events on Instagram: A Deep
Multimodal Multilabel Learning Approach
- arxiv url: http://arxiv.org/abs/2108.08920v2
- Date: Mon, 23 Aug 2021 02:13:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-24 11:30:02.427916
- Title: Detection of Illicit Drug Trafficking Events on Instagram: A Deep
Multimodal Multilabel Learning Approach
- Title（参考訳）: instagramにおける違法薬物密売事件の検出--深層マルチモーダル・マルチラベル学習アプローチ
- Authors: Chuanbo Hu, Minglei Yin, Bin Liu, Xin Li, Yanfang Ye
- Abstract要約: Instagram上では、違法薬物密売事件(IDTE)の詳細な検出に関する最初の系統的研究を行っている。
具体的には,本モデルでは,テキストと画像データを入力とし,マルチモーダル情報を組み合わせて複数の違法薬物のラベルを予測する。
我々は,不正薬物の詳細な検出を支援するために,手動で注釈付き複数の薬物ラベルを付加した大規模データセットMM-IDTEを構築した。
- 参考スコア（独自算出の注目度）: 18.223055392013542
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social media such as Instagram and Twitter have become important platforms
for marketing and selling illicit drugs. Detection of online illicit drug
trafficking has become critical to combat the online trade of illicit drugs.
However, the legal status often varies spatially and temporally; even for the
same drug, federal and state legislation can have different regulations about
its legality. Meanwhile, more drug trafficking events are disguised as a novel
form of advertising commenting leading to information heterogeneity.
Accordingly, accurate detection of illicit drug trafficking events (IDTEs) from
social media has become even more challenging. In this work, we conduct the
first systematic study on fine-grained detection of IDTEs on Instagram. We
propose to take a deep multimodal multilabel learning (DMML) approach to detect
IDTEs and demonstrate its effectiveness on a newly constructed dataset called
multimodal IDTE(MM-IDTE). Specifically, our model takes text and image data as
the input and combines multimodal information to predict multiple labels of
illicit drugs. Inspired by the success of BERT, we have developed a
self-supervised multimodal bidirectional transformer by jointly fine-tuning
pretrained text and image encoders. We have constructed a large-scale dataset
MM-IDTE with manually annotated multiple drug labels to support fine-grained
detection of illicit drugs. Extensive experimental results on the MM-IDTE
dataset show that the proposed DMML methodology can accurately detect IDTEs
even in the presence of special characters and style changes attempting to
evade detection.
- Abstract（参考訳）: instagramやtwitterといったソーシャルメディアは、違法薬物のマーケティングや販売の重要なプラットフォームとなっている。
オンライン違法薬物取引の検出は、違法薬物のオンライン取引と戦うために重要になっている。
しかし、法的地位はしばしば空間的・時間的に変化し、同じ薬物、連邦法、州法でもその合法性に関して異なる規則を持つことができる。
一方、より多くの麻薬密売事件は、情報の多様性につながる広告コメントの新しい形態に変装している。
そのため、ソーシャルメディアからの違法薬物密売事件(idte)の正確な検出がさらに困難になっている。
本研究では,Instagram上でのIDTEのきめ細かい検出に関する最初の系統的研究を行う。
マルチモーダルidte(mm-idte)と呼ばれるデータセット上でのidteの検出とその有効性を示すために,dmml(deep multimodal multilabel learning)アプローチを提案する。
具体的には,本モデルでは,テキストと画像データを入力とし,マルチモーダル情報を組み合わせて複数の違法薬物のラベルを予測する。
BERTの成功にインスパイアされた我々は,予め訓練されたテキストと画像エンコーダを併用して,自己制御型双方向変換器を開発した。
我々は,不正薬物の詳細な検出を支援するために,手動で注釈付き複数の薬物ラベルを付加した大規模データセットMM-IDTEを構築した。
MM-IDTEデータセットの大規模な実験結果から, DMML法では, 特別な文字やスタイル変化があってもIDTEを正確に検出できることがわかった。
関連論文リスト
- Learning to Describe for Predicting Zero-shot Drug-Drug Interactions [54.172575323610175]
薬物と薬物の相互作用は同時投与の有効性を損なう可能性がある。
従来のDDI予測の計算手法では、知識不足のため、新しい薬物の相互作用を捉えることができない可能性がある。
言語モデルに基づくDDI予測器と強化学習(RL)に基づく情報セレクタを用いたテキストDDIを提案する。
論文 参考訳（メタデータ） (2024-03-13T09:42:46Z) - Multi-modal Stance Detection: New Datasets and Model [56.97470987479277]
テキストと画像からなるツイートに対するマルチモーダル姿勢検出について検討する。
我々は、シンプルで効果的なマルチモーダル・プロンプト・チューニング・フレームワーク(TMPT)を提案する。
TMPTはマルチモーダル姿勢検出における最先端性能を実現する。
論文 参考訳（メタデータ） (2024-02-22T05:24:19Z) - Detecting and Grounding Multi-Modal Media Manipulation and Beyond [93.08116982163804]
マルチモーダルフェイクメディア(DGM4)の新たな研究課題について述べる。
DGM4は、マルチモーダルメディアの真正性を検出するだけでなく、操作されたコンテンツも検出することを目的としている。
本稿では,異なるモーダル間のきめ細かい相互作用を完全に捉えるために,新しい階層型マルチモーダルマニピュレーションrEasoning tRansformer(HAMMER)を提案する。
論文 参考訳（メタデータ） (2023-09-25T15:05:46Z) - MC-DRE: Multi-Aspect Cross Integration for Drug Event/Entity Extraction [19.4567740328955]
本稿では,薬物の実体・事象検出のための多面的クロスインテグレーションフレームワークを提案する。
我々のモデルは、フラットなエンティティ検出と不連続なイベント抽出という2つの広く使われているタスクにおいて、全てのSOTAより優れています。
論文 参考訳（メタデータ） (2023-08-12T12:03:41Z) - Unveiling the Potential of Knowledge-Prompted ChatGPT for Enhancing Drug
Trafficking Detection on Social Media [30.791563171321062]
そこで本研究では,人間がLLMと対話し,その検出作業を行うためのインタフェースとして,emphknowledgeインフォームドプロンプトを構成するための分析フレームワークを提案する。
実験により,本フレームワークは薬物輸送検出精度において,他のベースライン言語モデルよりも優れていることが示された。
この研究がソーシャルネットワークにもたらした意味は、オンラインのセキュリティと公衆安全を改善するための分析ツールに事前知識とシナリオベースのプロンプトを組み込むことの重要性を強調している。
論文 参考訳（メタデータ） (2023-07-07T16:15:59Z) - Detecting and Grounding Multi-Modal Media Manipulation [32.34908534582532]
マルチモーダルフェイクメディア(DGM4)の新たな研究課題について述べる。
DGM4は、マルチモーダルメディアの真正性を検出するだけでなく、操作されたコンテンツも検出することを目的としている。
本稿では,異なるモーダル間のきめ細かい相互作用を完全に捉えるために,新しい階層型マルチモーダルマニピュレーションrEasoning tRansformer(HAMMER)を提案する。
論文 参考訳（メタデータ） (2023-04-05T16:20:40Z) - SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity
Prediction [127.43571146741984]
薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。
湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。
既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。
SSM-DTAフレームワークについて述べる。
論文 参考訳（メタデータ） (2022-06-20T14:53:25Z) - Unsupervised Person Re-Identification with Wireless Positioning under
Weak Scene Labeling [131.18390399368997]
本稿では、弱いシーンラベリングの下で、視覚データと無線位置決めトラジェクトリの両方を用いて、教師なしの人物再識別を探索することを提案する。
具体的には、視覚データと無線情報の相補性をモデル化した、新しい教師なしマルチモーダルトレーニングフレームワーク(UMTF)を提案する。
我々のUMTFには、MMDA(Multimodal Data Association Strategy)とMMGN(Multimodal Graph Neural Network)が含まれている。
論文 参考訳（メタデータ） (2021-10-29T08:25:44Z) - Identifying Illicit Drug Dealers on Instagram with Large-scale
Multimodal Data Fusion [18.223055392013542]
Instagramなどのソーシャルメディアサイトを経由した違法薬物の売買は深刻な問題となっている。
ソーシャルメディアのデータから違法な麻薬ディーラーを識別する方法は、依然として技術的課題である。
本稿では,大規模マルチモーダルデータセットの構築により,違法な麻薬ディーラー識別の問題に取り組むことを提案する。
論文 参考訳（メタデータ） (2021-08-18T04:29:47Z) - Multimodal Categorization of Crisis Events in Social Media [81.07061295887172]
本稿では,画像とテキストの両方を入力として利用するマルチモーダル融合法を提案する。
特に、弱モダリティから非形式的および誤解を招くコンポーネントをフィルタリングできるクロスアテンションモジュールを導入する。
本手法は,3つの危機関連タスクにおいて,一様アプローチと強いマルチモーダルベースラインを大きなマージンで上回ることを示す。
論文 参考訳（メタデータ） (2020-04-10T06:31:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。