MEMEWEAVER：用于性别歧视与厌女症检测的模因间图推理

由于性别原因，女性遭受网络骚扰的可能性是男性的两倍。尽管多模态内容审核近期取得了进展，但大多数方法仍然忽视了这一现象背后的社会动态，即施暴者在志同道合的社区内强化偏见和群体认同。基于图的方法为捕获此类交互提供了有希望的途径，但现有解决方案仍受限于启发式图构建、浅层模态融合和实例级推理。在本研究中，我们提出了 MemeWeaver，这是一个端到端可训练的多模态框架，通过一种新颖的模因间图推理机制来检测性别歧视与厌女症。我们系统地评估了多种视觉-文本融合策略，并表明我们的方法在 MAMI 和 EXIST 基准测试上始终优于 SOTA 基线，同时实现了更快的训练收敛。进一步分析表明，学习到的图结构捕获了语义上有意义的模式，为理解网络仇恨的关系本质提供了宝贵见解。