AOMD：一种用于社交媒体攻击性类比模因检测的感知类比方法
机器学习
2021-06-22 v1
摘要
本文关注在线社交媒体上攻击性类比模因检测这一重要问题，其中模因的视觉内容与文本/说明共同构成类比以传达攻击性信息。现有的攻击性模因检测方案往往忽略模因视觉与文本内容之间的隐含关系，不足以识别攻击性类比模因。准确检测攻击性类比模因存在两个重要挑战：i) 捕捉模因常隐含传达的类比并非易事；ii) 有效对齐模因中跨不同数据模态的复杂类比也具有挑战性。为应对上述挑战，我们开发了基于深度学习的感知类比攻击性模因检测（AOMD）框架，以从模因的多模态内容中学习隐含类比并有效检测攻击性类比模因。我们在来自在线社交媒体的两个真实数据集上评估了 AOMD。评估结果表明，AOMD 通过更准确地检测攻击性类比模因，相比最先进的基线取得了显著的性能提升。
引用
@article{arxiv.2106.11229,
title = {AOMD: An Analogy-aware Approach to Offensive Meme Detection on Social Media},
author = {Lanyu Shang and Yang Zhang and Yuheng Zha and Yingxi Chen and Christina Youn and Dong Wang},
journal= {arXiv preprint arXiv:2106.11229},
year = {2021}
}