論文の概要: HCIG: A Hierarchical Cross-Modal Incongruity Graph Network for Multimodal Sarcasm and Cyberbullying Detection

• arxiv url: http://arxiv.org/abs/2607.16076v1
• Date: Fri, 17 Jul 2026 16:02:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.895118
• Title: HCIG: A Hierarchical Cross-Modal Incongruity Graph Network for Multimodal Sarcasm and Cyberbullying Detection
• Title（参考訳）: HCIG:マルチモーダルサーカスムとサイバブリング検出のための階層型クロスモーダルイングルリティグラフネットワーク
• Abstract要約: 本稿では,グラフアテンションネットワークを用いたトークン,フレーズ,グローバルレベルでのクロスモーダル不一致をモデル化する新しいフレームワークを提案する。 また、矛盾認識プーリングを用いたグラフベースの推論を行うGCCNについても紹介する。 提案手法は,MMSD sarcasmベンチマークとMultiBullyサイバーバブルデータセットを用いて評価する。
• 参考スコア（独自算出の注目度）: 24.881861005056237
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimodal sarcasm and cyberbullying detection remain challenging because the intended meaning often emerges from incongruity between textual and visual information rather than from either modality alone. Existing multimodal approaches primarily rely on feature fusion or cross-modal attention, which may not effectively capture hierarchical semantic inconsistencies across different levels of representation. To address this limitation, this paper proposes HCIG (Hierarchical Cross-modal Incongruity Graph Network), a novel framework that models cross-modal incongruity at token, phrase, and global levels using graph attention networks and adaptively integrates these representations through a learned hierarchical attention mechanism. As a complementary architecture, we also introduce GCCN (Graph-based Cross-modal Contradiction Network), which performs graph-based reasoning using contradiction-aware pooling for efficient multimodal interaction learning. The proposed models are evaluated on the MMSD sarcasm benchmark and the MultiBully cyberbullying dataset, together with comprehensive ablation studies and cross-task transfer experiments. Experimental results demonstrate that HCIG achieves the best performance on MMSD with 85.74% accuracy and 85.29% macro-F1, while GCCN attains the highest macro-F1 (68.66%) on MultiBully and HCIG achieves the highest accuracy (69.62%) and bullying-class F1 (74.90%). The findings demonstrate that hierarchical multi-granularity incongruity modeling provides more effective multimodal reasoning than conventional fusion strategies, offering a robust framework for sarcasm and cyberbullying detection in social media.
• Abstract（参考訳）: マルチモーダル・サルカズムとサイバーバブル検出は、意図された意味が、モダリティのみからではなく、テキスト情報と視覚情報の矛盾からしばしば現れるため、依然として困難なままである。 既存のマルチモーダルアプローチは、主に機能融合やクロスモーダルアテンションに依存しており、異なるレベルの表現における階層的セマンティックな矛盾を効果的に捉えない可能性がある。 この制限に対処するために,HCIG(Hierarchical Cross-modal Incongruity Graph Network)を提案する。これはトークン,フレーズ,グローバルレベルでのクロスモーダル不整合をグラフアテンションネットワークを用いてモデル化し,これらの表現を階層アテンション機構を通じて適応的に統合する新しいフレームワークである。 GCCN(Graph-based Cross-modal Contradiction Network, グラフベースのクロスモーダル・コントラクション・ネットワーク)も導入した。 提案モデルは,MMSD sarcasmベンチマークとMultiBullyサイバーバブルデータセットを用いて,総合的アブレーション研究とクロスタスク転送実験とともに評価した。 実験の結果、HCIGはMMSD上で85.74%の精度で85.29%のマクロF1を達成し、GCCNはMultiBullyで最高マクロF1(68.66%)、HCIGは最高精度(69.62%)、いじめクラスF1(74.90%)を達成した。 その結果, 階層的多粒性不整合モデリングは, 従来の融合戦略よりも効果的なマルチモーダル推論を提供し, ソーシャルメディアにおける皮肉とサイバーバブル検出のための堅牢な枠組みを提供することがわかった。

関連論文リスト

• PC-MNet: Dual-Level Congruity Modeling for Multimodal Sarcasm Detection via Polarity-Modulated Attention [32.62063298936575]
  この研究は、人間のコミュニケーションにおける微妙な実用的不整合をモデル化するための、堅牢で分離されたパラダイムを提供する。 textttMUStARDベンチマークと、その素早い相関緩和型バランスデータセットの実験は、我々のアプローチが新しい最先端のパフォーマンスを達成することを実証している。
  論文  参考訳（メタデータ） (2026-05-04T10:47:17Z)
• Milestones over Outcome: Unlocking Geometric Reasoning with Sub-Goal Verifiable Reward [67.00373428443879]
  サブゴールレベルの評価と学習へのパラダイムシフトを導入する。 まず,厳密な形式検証データエンジンを用いたベンチマークであるGeoGoalを構築した。 本研究では,スケルトンレートに基づいて,スパース信号を高密度な報酬に置き換えるサブゴール検証リワード(SGVR)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-08T16:17:56Z)
• M$^3$Prune: Hierarchical Communication Graph Pruning for Efficient Multi-Modal Multi-Agent Retrieval-Augmented Generation [18.091284320771006]
  本稿では,M$3$Prune と呼ばれる新しいマルチモーダルマルチエージェント階層型通信グラフ PRUNing フレームワークを提案する。 当社のフレームワークは,タスクパフォーマンスとトークンオーバーヘッドの最適バランスを達成するために,さまざまなモダリティをまたいだ冗長なエッジを排除します。 本手法はシングルエージェントとロバストマルチエージェントのmRAGシステムにおいて一貫して性能を向上する。
  論文  参考訳（メタデータ） (2025-11-25T06:29:13Z)
• Disentangling Homophily and Heterophily in Multimodal Graph Clustering [7.565710850295745]
  マルチモーダルグラフは非構造的異種データと構造的相互接続を統合する。 Disentangled Multimodal Graph Clustering (DMGC)は、ハイブリッドグラフを2つの相補的なビューに分解する。 DMGCは最先端のパフォーマンスを実現し、さまざまな設定におけるその有効性と一般化性を強調している。
  論文  参考訳（メタデータ） (2025-07-21T05:29:53Z)
• MMaDA: Multimodal Large Diffusion Language Models [61.13527224215318]
  マルチモーダル拡散基礎モデルの新たなクラスであるMMaDAを紹介する。 テキスト推論、マルチモーダル理解、テキスト・ツー・イメージ生成など、さまざまな領域で優れたパフォーマンスを実現するように設計されている。
  論文  参考訳（メタデータ） (2025-05-21T17:59:05Z)
• Consistency-aware Fake Videos Detection on Short Video Platforms [4.291448222735821]
  本稿では,ショートビデオプラットフォーム上でのフェイクニュースの検出に焦点をあてる。 既存のアプローチは通常、分類層を適用する前に生のビデオデータとメタデータの入力を組み合わせる。 この知見に触発された本研究では,クロスモーダルな矛盾を明示的に識別し,活用する新たな検出パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-04-30T10:26:04Z)
• Semi-supervised Semantic Segmentation for Remote Sensing Images via Multi-scale Uncertainty Consistency and Cross-Teacher-Student Attention [59.19580789952102]
  本稿では,RS画像セマンティックセグメンテーションタスクのための,新しい半教師付きマルチスケール不確かさとクロスTeacher-Student Attention(MUCA)モデルを提案する。 MUCAは、マルチスケールの不確実性整合正則化を導入することにより、ネットワークの異なる層における特徴写像間の整合性を制限する。 MUCAは学生ネットワークの誘導にクロス教師・学生の注意機構を使用し、学生ネットワークにより差別的な特徴表現を構築するよう誘導する。
  論文  参考訳（メタデータ） (2025-01-18T11:57:20Z)
• Cross-Attention is Not Enough: Incongruity-Aware Dynamic Hierarchical Fusion for Multimodal Affect Recognition [69.32305810128994]
  モダリティ間の同調性は、特に認知に影響を及ぼすマルチモーダル融合の課題となる。 本稿では,動的モダリティゲーティング(HCT-DMG)を用いた階層型クロスモーダルトランスを提案する。 HCT-DMG: 1) 従来のマルチモーダルモデルを約0.8Mパラメータで上回り、2) 不整合が認識に影響を及ぼすハードサンプルを認識し、3) 潜在レベルの非整合性をクロスモーダルアテンションで緩和する。
  論文  参考訳（メタデータ） (2023-05-23T01:24:15Z)
• IMKGA-SM: Interpretable Multimodal Knowledge Graph Answer Prediction via Sequence Modeling [3.867363075280544]
  マルチモーダル知識グラフリンク予測は,マルチモーダルデータに対するリンク予測タスクの精度と効率を向上させることを目的としている。 シーケンスモデリングによる解釈可能なマルチモーダル知識グラフアンサー予測(IMKGA-SM)の開発 モデルは、異なるサイズのマルチモーダルリンク予測データセットに基づいて、SOTAベースラインよりもはるかに優れたパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-01-06T10:08:11Z)
• Jointly Cross- and Self-Modal Graph Attention Network for Query-Based Moment Localization [77.21951145754065]
  本稿では,共同グラフを渡る反復的メッセージのプロセスとして,このタスクをリキャストするクロスモーダルグラフ注意ネットワーク(CSMGAN)を提案する。 CSMGANは2つのモード間の高次相互作用を効果的に捉えることができ、より正確な局所化を可能にします。
  論文  参考訳（メタデータ） (2020-08-04T08:25:24Z)
• A Multi-Semantic Metapath Model for Large Scale Heterogeneous Network Representation Learning [52.83948119677194]
  大規模不均一表現学習のためのマルチセマンティックメタパス(MSM)モデルを提案する。 具体的には,マルチセマンティックなメタパスに基づくランダムウォークを生成し,不均衡な分布を扱うヘテロジニアスな近傍を構築する。 提案するフレームワークに対して,AmazonとAlibabaの2つの挑戦的なデータセットに対して,体系的な評価を行う。
  論文  参考訳（メタデータ） (2020-07-19T22:50:20Z)

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。