基于离散化嵌套双igram检测Android应用程序的内容评级违规

尽管监管努力旨在建立可靠的内容评级准则，但谷歌Play商店中内容评级的分配仍由应用开发者自行监管。由于应用规模庞大，手动验证开发者指定的内容评级方法有限；自动化方法则因难以解释文本和视觉数据并与内容评级相关联而面临挑战。我们提出并评估了一种基于视觉语言的方法，用于预测移动游戏应用的内容评级并检测内容评级违规，使用来自流行Android游戏元数据的集合。我们的方法在多模态setting下相较于现有SOTA CLIP微调模型实现约6%更好的相对准确率。将我们的分类器在野外应用后，我们检测到超过70个可能的违规案例，其中包括9个带有“Teacher Approved”标志的实例。此外，我们的发现表明，34.5%的我们分类器识别为违规的应用已从Play商店移除。而正确分类的应用移除率仅为27%。这一差异凸显了我们分类器在识别可能因用户投诉而被移除的应用方面的实际有效性。