論文の概要: TeamX@DravidianLangTech-ACL2022: A Comparative Analysis for Troll-Based Meme Classification

• arxiv url: http://arxiv.org/abs/2205.04404v1
• Date: Mon, 9 May 2022 16:19:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-10 13:28:29.432217
• Title: TeamX@DravidianLangTech-ACL2022: A Comparative Analysis for Troll-Based Meme Classification
• Title（参考訳）: TeamX@DravidianLangTech-ACL2022: トロルベースのミーム分類の比較分析
• Authors: Rabindra Nath Nandi, Firoj Alam, Preslav Nakov
• Abstract要約: ネット上の有害コンテンツは ソーシャルメディアプラットフォーム、政府機関、政策立案者、社会全体の間で 懸念を高めました 有害コンテンツに基づくオンラインコンテンツは、その1つで、挑発的、攻撃的、あるいは威圧的なメッセージを、視聴者を誤解させる意図で投稿する、というものだ。 本研究は,テキスト,ビジュアル,マルチモーダルコンテンツを用いて,トロルに基づくミーム分類の比較分析を行った。
• 参考スコア（独自算出の注目度）: 21.32190107220764
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The spread of fake news, propaganda, misinformation, disinformation, and harmful content online raised concerns among social media platforms, government agencies, policymakers, and society as a whole. This is because such harmful or abusive content leads to several consequences to people such as physical, emotional, relational, and financial. Among different harmful content \textit{trolling-based} online content is one of them, where the idea is to post a message that is provocative, offensive, or menacing with an intent to mislead the audience. The content can be textual, visual, a combination of both, or a meme. In this study, we provide a comparative analysis of troll-based memes classification using the textual, visual, and multimodal content. We report several interesting findings in terms of code-mixed text, multimodal setting, and combining an additional dataset, which shows improvements over the majority baseline.
• Abstract（参考訳）: 偽ニュース、プロパガンダ、誤った情報、偽情報、有害なコンテンツのオンライン配信は、ソーシャルメディアプラットフォーム、政府機関、政策立案者、社会全体の懸念を引き起こした。 これは、そのような有害または虐待的なコンテンツが、身体的、感情的、リレーショナル、財務といった人々にいくつかの結果をもたらすためである。 textit{trolling-based} オンラインコンテンツには,挑発的,攻撃的,あるいは誤解を招くようなメッセージを,オーディエンスを誤解させる意図で投稿する,という考え方がある。 コンテンツはテキスト、ビジュアル、両方の組み合わせ、あるいはミームでもよい。 本研究では,テキスト,ビジュアル,マルチモーダルコンテンツを用いて,トロルに基づくミーム分類の比較分析を行った。 我々は、コード混合テキスト、マルチモーダル設定、およびマジョリティベースラインよりも改善した追加データセットの組み合わせに関して、いくつかの興味深い発見を報告する。

関連論文リスト

• Meme-ingful Analysis: Enhanced Understanding of Cyberbullying in Memes Through Multimodal Explanations [48.82168723932981]
  Em MultiBully-Exは、コード混在型サイバーいじめミームからマルチモーダルな説明を行うための最初のベンチマークデータセットである。 ミームの視覚的およびテキスト的説明のために,コントラスト言語-画像事前学習 (CLIP) アプローチが提案されている。
  論文  参考訳（メタデータ） (2024-01-18T11:24:30Z)
• Countering Malicious Content Moderation Evasion in Online Social Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
  ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。 本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
  論文  参考訳（メタデータ） (2022-12-27T16:08:49Z)
• DisinfoMeme: A Multimodal Dataset for Detecting Meme Intentionally Spreading Out Disinformation [72.18912216025029]
  偽情報ミームの検出を支援するためにDisinfoMemeを提案する。 このデータセットには、COVID-19パンデミック、Black Lives Matter運動、ベジタリアン/ベジタリアンという3つのトピックをカバーするRedditのミームが含まれている。
  論文  参考訳（メタデータ） (2022-05-25T09:54:59Z)
• Detecting the Role of an Entity in Harmful Memes: Techniques and Their Limitations [21.32190107220764]
  有害または虐待的なオンラインコンテンツは、時間とともに増えている。 本稿では,有害ミームにおけるエンティティ(ヒーロー,悪役,被害者)の役割を検出する実験について述べる。
  論文  参考訳（メタデータ） (2022-05-09T16:11:04Z)
• Detecting and Understanding Harmful Memes: A Survey [48.135415967633676]
  我々は有害なミームに焦点を当てた総合的な調査を行っている。 興味深い発見の1つは、多くの有害ミームが実際には研究されていないことである。 別の観察では、ミームは異なる言語で再パッケージ化することでグローバルに伝播し、多言語化することもできる。
  論文  参考訳（メタデータ） (2022-05-09T13:43:27Z)
• Do Images really do the Talking? Analysing the significance of Images in Tamil Troll meme classification [0.16863755729554888]
  我々は,ミームの分類における画像の視覚的特徴の重要性を探究する。 画像とテキストに基づいて,ミームをトロール・ノントロールのミームとして組み込もうとする。
  論文  参考訳（メタデータ） (2021-08-09T09:04:42Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• Detecting Harmful Content On Online Platforms: What Platforms Need Vs. Where Research Efforts Go [44.774035806004214]
  オンラインプラットフォーム上の有害コンテンツには、ヘイトスピーチ、攻撃的言語、いじめとハラスメント、誤情報、スパム、暴力、グラフィックコンテンツ、性的虐待、自己被害など、さまざまな形態がある。 オンラインプラットフォームは、そのようなコンテンツを、社会的危害を抑えるため、法律に従うために、ユーザーのためにより包括的な環境を作るために、緩和しようとしている。 現在、オンラインプラットフォームが抑制しようとしている有害なコンテンツの種類と、そのようなコンテンツを自動的に検出する研究努力との間には、隔たりがある。
  論文  参考訳（メタデータ） (2021-02-27T08:01:10Z)
• Transfer Learning for Hate Speech Detection in Social Media [14.759208309842178]
  本稿では、2つの独立したデータセットを協調的に活用するために転送学習手法を用いる。 我々は、構築されたヘイトスピーチ表現の解釈可能な2次元可視化ツールを構築します。 この共同表現は,限られた監督範囲の場合にのみ予測性能が向上することを示す。
  論文  参考訳（メタデータ） (2019-06-10T08:00:58Z)

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。