桥接模态：利用少样本上下文学习增强跨模态仇恨言论检测
计算与语言
2024-10-10 v1
摘要
互联网上仇恨言论的广泛存在，包括基于文本的推文和视觉-语言模因等形式，对数字平台安全构成了重大挑战。近期研究开发了针对特定模态的检测模型；然而，在不同格式之间转移检测能力方面存在显著空白。本研究利用大型语言模型进行少样本上下文学习，开展了大量实验，以探索仇恨言论检测在模态间的可迁移性。我们的发现表明，基于文本的仇恨言论示例可以显著提高视觉-语言仇恨言论的分类准确性。此外，在少样本学习设置中，基于文本的示例优于视觉-语言示例。这些结果凸显了跨模态知识迁移的有效性，并为改进仇恨言论检测系统提供了宝贵的见解。
引用
@article{arxiv.2410.05600,
title = {Bridging Modalities: Enhancing Cross-Modality Hate Speech Detection with Few-Shot In-Context Learning},
author = {Ming Shan Hee and Aditi Kumaresan and Roy Ka-Wei Lee},
journal= {arXiv preprint arXiv:2410.05600},
year = {2024}
}
备注
Accepted at EMNLP'24 (Main)