面向委婉语识别的面向关键词多模态建模
计算与语言
2025-03-28 v1 人工智能
计算机视觉与模式识别
摘要
委婉语识别旨在破译委婉语的真实含义，例如在非法文本中将“weed”（委婉语）与“marijuana”（目标关键词）联系起来，从而辅助内容审核并打击地下市场。现有方法主要基于文本，但随着社交媒体的兴起，凸显了融合文本、图像和音频的多模态分析的需求。然而，委婉语多模态数据集的缺乏限制了进一步研究。为此，我们将委婉语及其对应的目标关键词视为关键词，首次构建了面向关键词的委婉语多模态语料库（KOM-Euph），包含三个数据集（毒品、武器和性），涵盖文本、图像和语音。我们进一步提出了一种面向关键词的多模态委婉语识别方法（KOM-EI），该方法利用跨模态特征对齐和动态融合模块，显式利用关键词的视觉和音频特征以实现高效的委婉语识别。大量实验表明，KOM-EI 优于现有最先进模型和大型语言模型，并验证了我们多模态数据集的重要性。
引用
@article{arxiv.2503.21504,
title = {Keyword-Oriented Multimodal Modeling for Euphemism Identification},
author = {Yuxue Hu and Junsong Li and Meixuan Chen and Dongyu Su and Tongguan Wang and Ying Sha},
journal= {arXiv preprint arXiv:2503.21504},
year = {2025}
}