解读仇恨：识别具有仇恨内容的表情包及其目标

表情包已成为个人在社交媒体上表达情感、思想和观点的强大手段。尽管表情包常被视为幽默和娱乐的来源，但也可能传播针对个人或社群的仇恨内容。大多数现有研究聚焦于高资源语言中的表情包负面方面，忽略了如孟加拉语（亦称邦拉语）等低资源语言所特有的挑战。此外，针对孟加拉语表情包的现有工作仅关注检测仇恨表情包，尚无针对识别其目标实体的研究。为填补这一空白并促进该领域的研究，本文引入了一个新的多模态数据集用于孟加拉语，BHM（Bengali Hateful Memes）。该数据集包含7,148个表情包，包含孟加拉语及其混合语言标题，针对两个任务进行设计：（i）检测仇恨表情包，（ii）检测其针对的社会实体（即个人、组织、社群和社会）。为解决这些任务，我们提出了DORA（Dual cO attention fRAmework），一种多模态深度神经网络，系统性地从表情包中提取显著的模态特征，并与模态特定特征联合评估，以更好地理解上下文。我们的实验表明，DORA在其他低资源仇恨表情包数据集上具有良好的可迁移性，并优于多个最先进的竞争性基线模型。