論文の概要: Distinguishing Right from Wrong in Debates: Attribution Analysis of Chinese Harmful Memes

• arxiv url: http://arxiv.org/abs/2605.24344v1
• Date: Sat, 23 May 2026 02:06:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.943032
• Title: Distinguishing Right from Wrong in Debates: Attribution Analysis of Chinese Harmful Memes
• Title（参考訳）: 討論会における誤りから権利を剥奪する--中国の有害ミームの帰属分析
• Authors: Weiming Wang, Junyu Lu, Han Wang, Xiaokun Zhang, Zewen Bai, Bo Xu, Liang Yang, Hongfei Lin,
• Abstract要約: 我々は,中国初の有害ミーム説明データセットであるEx-ToxiCN-MMを構築することにより,中国の有害ミームの解釈可能な検出に焦点を当てた。 このデータセットは、各ミームに対して「有害」と「非有害」に分類される反対の解釈を提供する。 我々は、Attribution Knowledge Enhancement Module (AKE)とRelative Intent Reasoning Module (RIR)を含む総合的な属性分析フレームワークRIKEを開発した。
• 参考スコア（独自算出の注目度）: 33.60719903789302
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Research on harmful meme detection has garnered significant attention, resulting in the development of numerous datasets and methods. However, progress in detecting Chinese harmful memes lags considerably, primarily due to two challenges: first, accurately assessing a meme's harmfulness depends heavily on understanding deep cultural context; second, many memes are semantically ambiguous, making harmfulness highly subjective. To address these issues, we focus on the interpretable detection of Chinese harmful memes by constructing the first Chinese harmful meme explanation dataset, Ex-ToxiCN-MM. This dataset offers opposing interpretations, categorized as "harmful" and "non-harmful", for each meme, aiming to rigorously evaluate a model's ability to discern and comprehend ambiguous, culturally grounded content. We built a specialized knowledge base of Chinese cultural concepts and offensive vocabulary to supply models with essential prior knowledge (C-HarmKB). To address the ambiguity and lack of background knowledge in meme attribution, we have developed a comprehensive attribution analysis framework, RIKE, which includes an Attribution Knowledge Enhancement module (AKE) and a Relative Intent Reasoning module (RIR). Extensive quantitative and qualitative experiments demonstrate that our method outperforms mainstream baseline models across multiple metrics in the task of attributing harmful memes in Chinese. The code, Ex-ToxiCN-MM dataset, and Chinese Harmful Semantic Knowledge Base (C-HarmKB) involved in this study have been open-sourced at https://github.com/wimiw123/Ex-ToxiCN-MM
• Abstract（参考訳）: 有害なミーム検出の研究は大きな注目を集め、多くのデータセットや方法の開発に繋がった。 第一に、ミームの有害性を正確に評価することは、深い文化的文脈を理解することに大きく依存しており、第二に、多くのミームは意味的に曖昧であり、有害性は非常に主観的である。 これらの課題に対処するために,中国初の有害ミーム説明データセットであるEx-ToxiCN-MMを構築することにより,中国の有害ミームの解釈可能な検出に焦点を当てた。 このデータセットは、各ミームに対して「有害(harmful)」と「非有害(non-harmful)」に分類される反対の解釈を提供し、曖昧で文化的に根ざしたコンテンツを識別し理解するモデルの能力を厳格に評価することを目的としている。 我々は,中国文化概念と攻撃的語彙の専門知識基盤を構築し,本質的な事前知識(C-HarmKB)をモデルとして提供した。 ミーム属性のあいまいさと背景知識の欠如に対処するため,Attribution Knowledge Enhancement Module (AKE) とRelative Intent Reasoning Module (RIR) を含む総合的属性分析フレームワーク RIKE を開発した。 広汎な定量的および定性的実験により,中国における有害ミームに寄与するタスクにおいて,本手法が複数の指標にわたる主流のベースラインモデルより優れていることが示された。 この研究に関わったコード、元ToxiCN-MMデータセット、中国Humful Semantic Knowledge Base(C-HarmKB)はhttps://github.com/wimiw123/Ex-ToxiCN-MMでオープンソース化された。

関連論文リスト

• KID: Knowledge-Injected Dual-Head Learning for Knowledge-Grounded Harmful Meme Detection [6.006318485752551]
  本稿では,知識ベースで有害なミーム検出を行うための知識注入型デュアルヘッド学習フレームワークを提案する。 KIDはラベルに制約のある蒸留パラダイムを採用し、複雑なミーム理解を構造化推論連鎖に分解し、視覚的証拠、背景知識、分類ラベルを明示的に結びつける。
  論文  参考訳（メタデータ） (2026-01-29T14:41:36Z)
• ChineseHarm-Bench: A Chinese Harmful Content Detection Benchmark [50.89916747049978]
  有害なコンテンツ検出のための既存のリソースは、主に英語に重点を置いており、中国のデータセットは乏しく、スコープは限られている。 我々は,6つの代表的なカテゴリを網羅し,実世界のデータから構築した,中国のコンテンツ害検知のための包括的,専門的な注釈付きベンチマークを提案する。 本研究では,人間の注釈付き知識規則と大規模言語モデルからの暗黙的知識を統合した知識強化ベースラインを提案する。
  論文  参考訳（メタデータ） (2025-06-12T17:57:05Z)
• Towards Comprehensive Detection of Chinese Harmful Memes [22.738223098517096]
  中国初の有害ミームデータセットであるToxiCN MMは、12,000のサンプルと様々なミームタイプの細かいアノテーションから構成されている。 本稿では,ミーム内容の文脈情報を組み込んだベースライン検出器MKEを提案する。 実験結果から,中国の有害ミームの検出は既存モデルでは困難であることが示唆された。
  論文  参考訳（メタデータ） (2024-10-03T10:51:02Z)
• MemeMQA: Multimodal Question Answering for Memes via Rationale-Based Inferencing [53.30190591805432]
  構造化された質問に対する正確な応答を求めるマルチモーダルな質問応答フレームワークであるMemeMQAを紹介する。 また,MemeMQAに対処する新しい2段階マルチモーダルフレームワークであるARSENALを提案する。
  論文  参考訳（メタデータ） (2024-05-18T07:44:41Z)
• 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)

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。