論文の概要: MEMEWEAVER: Inter-Meme Graph Reasoning for Sexism and Misogyny Detection

• arxiv url: http://arxiv.org/abs/2601.08684v1
• Date: Tue, 13 Jan 2026 16:06:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:19.274833
• Title: MEMEWEAVER: Inter-Meme Graph Reasoning for Sexism and Misogyny Detection
• Title（参考訳）: MeMEWEAVER: セクシズムとミソジニー検出のためのミーム間グラフ推論
• Authors: Paolo Italiani, David Gimeno-Gomez, Luca Ragazzi, Gianluca Moro, Paolo Rosso,
• Abstract要約: MemeWeaverは、新しいミーム間グラフ推論機構を通じて性差別と誤認を検知するエンドツーエンドのトレーニング可能なフレームワークである。 提案手法は,MAMIとEXISTのベンチマークにおいて,最先端のベースラインを一貫して上回ることを示す。 さらに分析した結果、学習したグラフ構造が意味的に意味のあるパターンをキャプチャし、オンライン憎悪のリレーショナルな性質に関する貴重な洞察を提供することが明らかになった。
• 参考スコア（独自算出の注目度）: 15.449921882814428
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Women are twice as likely as men to face online harassment due to their gender. Despite recent advances in multimodal content moderation, most approaches still overlook the social dynamics behind this phenomenon, where perpetrators reinforce prejudices and group identity within like-minded communities. Graph-based methods offer a promising way to capture such interactions, yet existing solutions remain limited by heuristic graph construction, shallow modality fusion, and instance-level reasoning. In this work, we present MemeWeaver, an end-to-end trainable multimodal framework for detecting sexism and misogyny through a novel inter-meme graph reasoning mechanism. We systematically evaluate multiple visual--textual fusion strategies and show that our approach consistently outperforms state-of-the-art baselines on the MAMI and EXIST benchmarks, while achieving faster training convergence. Further analyses reveal that the learned graph structure captures semantically meaningful patterns, offering valuable insights into the relational nature of online hate.
• Abstract（参考訳）: 女性は男女比でオンラインハラスメントに直面する確率が男性の2倍になる。 近年のマルチモーダルなコンテンツモデレーションの進歩にもかかわらず、ほとんどのアプローチはこの現象の背後にある社会的ダイナミクスを見落としている。 グラフベースの手法は、そのような相互作用をキャプチャする有望な方法を提供するが、既存のソリューションは、ヒューリスティックグラフの構築、浅いモーダリティ融合、インスタンスレベルの推論によって制限されている。 本稿では,セクシズムとミソジニーを検出するための,エンドツーエンドのトレーニング可能なマルチモーダルフレームワークであるMemeWeaverについて,新しいミーム間グラフ推論機構を用いて紹介する。 我々は、複数の視覚・テキスト融合戦略を体系的に評価し、我々の手法がMAMIおよびEXISTベンチマークにおける最先端のベースラインを一貫して上回りつつ、より高速なトレーニング収束を実現していることを示す。 さらに分析した結果、学習したグラフ構造が意味的に意味のあるパターンをキャプチャし、オンライン憎悪のリレーショナルな性質に関する貴重な洞察を提供することが明らかになった。

関連論文リスト

• A Context-aware Attention and Graph Neural Network-based Multimodal Framework for Misogyny Detection [0.11650821883155184]
  ソーシャルメディア上の攻撃的なコンテンツの大部分は、女性に向けられている。 異性愛的・異性愛的なコンテンツを検出するための新しい枠組みを提案する。 このフレームワークは、Multimodal Attention Module (MANM)、Graph-based Feature Restruction Module (GFRM)、Content-specific Features Learning Module (CFLM)の3つのモジュールから構成されている。
  論文  参考訳（メタデータ） (2025-08-07T06:41:17Z)
• Towards a Robust Framework for Multimodal Hate Detection: A Study on Video vs. Image-based Content [7.5253808885104325]
  ソーシャルメディアプラットフォームは、さまざまなモダリティにまたがるヘイトフルコンテンツの伝播を可能にする。 近年のアプローチでは、個々のモダリティを扱うことは約束されているが、異なるモダリティの組み合わせにおけるそれらの有効性は未解明のままである。 本稿では,マルチモーダルヘイト検出における融合に基づくアプローチの体系的分析を行い,ビデオコンテンツと画像コンテンツ間のパフォーマンスに着目した。
  論文  参考訳（メタデータ） (2025-02-11T00:07:40Z)
• M3Hop-CoT: Misogynous Meme Identification with Multimodal Multi-hop Chain-of-Thought [21.06134139986278]
  メソジニアスミーム識別のためのマルチモーダルマルチホップCoT(M3Hop-CoT)フレームワークを提案する。 M3Hop-CoTは、感情を誘発する3段階のマルチモーダルの原理、目標認識、ミーム分析のための文脈知識を採用している。 各種ベンチマークミームデータセットで評価することで,モデルの一般化性を評価する。
  論文  参考訳（メタデータ） (2024-10-11T19:50:53Z)
• Divided by discipline? A systematic literature review on the quantification of online sexism and misogyny using a semi-automated approach [1.1599570446840546]
  性差別、性差別、性別に基づくヘイトスピーチを検知し、識別する計算ツールが開発されている。 本総説では, セクシズムと誤認の定義, 学際的な相違, 自動検出方法, 関連する課題, デザインに基づく介入の5つのテーマにまとめる。
  論文  参考訳（メタデータ） (2024-09-30T11:34:39Z)
• PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
  本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。 タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。 課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
  論文  参考訳（メタデータ） (2024-08-18T13:51:01Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• "Call me sexist, but...": Revisiting Sexism Detection Using Psychological Scales and Adversarial Samples [2.029924828197095]
  我々は、性差別の異なる側面を心理学的尺度でそれらの実践に基礎を置いて概説する。 このスケールから、ソーシャルメディアにおける性差別のためのコードブックを導き、既存のデータセットや新しいデータセットに注釈を付けるために使用します。 結果は、現在の機械学習モデルは、性差別の非常に狭い言語マーカーの集合を拾い上げ、ドメイン外の例にうまく一般化しないことを示唆している。
  論文  参考訳（メタデータ） (2020-04-27T13:07:46Z)
• 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)
• Adversarial Attack on Community Detection by Hiding Individuals [68.76889102470203]
  我々はブラックボックス攻撃に焦点をあて、ディープグラフコミュニティ検出モデルの検出からターゲット個人を隠すことを目的としている。 本稿では,制約付きグラフ生成器として動作するモジュールと,サロゲート型コミュニティ検出モデルとして動作するモジュールを交互に更新する反復学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-22T09:50:04Z)

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。