检测有害模因中实体的角色：技术及其局限性
计算与语言
2022-05-10 v1 计算机视觉与模式识别
多媒体
社会与信息网络
摘要
有害或滥用性在线内容随时间不断增加，引发了社交媒体平台、政府机构和政策制定者的担忧。此类有害或滥用内容会对社会产生重大负面影响，例如网络欺凌可导致自杀，关于 COVID-19 的谣言可造成疫苗犹豫，推广 COVID-19 假疗法可造成健康危害与死亡。在线发布和分享的内容可以是文本、视觉或二者结合，例如模因。在此，我们描述了在 CONSTRAINT-2022 共享任务中检测有害模因里实体角色（英雄、恶棍、受害者）的实验，以及我们为该任务构建的系统。我们进一步提供了不同实验设置（即单模态、多模态、注意力与数据增强）的对比分析。为可复现性，我们公开了实验代码。\url{https://github.com/robi56/harmful_memes_block_fusion}
引用
@article{arxiv.2205.04402,
title = {Detecting the Role of an Entity in Harmful Memes: Techniques and Their Limitations},
author = {Rabindra Nath Nandi and Firoj Alam and Preslav Nakov},
journal= {arXiv preprint arXiv:2205.04402},
year = {2022}
}
备注
Accepted at CONSTRAINT 2022 (Colocated with ACL-2022), disinformation, misinformation, factuality, harmfulness, fake news, propaganda, multimodality, text, images, videos, network structure, temporality