面向多模态仇恨表情包分类的提示方法
计算与语言
2023-02-09 v1 信息检索
多媒体
摘要
仇恨表情包分类是一项具有挑战性的多模态任务，需要复杂的推理与背景知识。理想情况下，我们可以利用显式的外部知识库来补充仇恨表情包中的语境与文化信息。然而，目前尚无已知的显式外部知识库能够提供此类仇恨言论的语境信息。为弥补这一不足，我们提出 PromptHate，一种简单而有效的基于提示的模型，通过提示预训练语言模型（PLMs）来进行仇恨表情包分类。具体而言，我们构建简单提示并提供少量上下文示例，以利用预训练的 RoBERTa 语言模型中的隐式知识进行仇恨表情包分类。我们在两个公开可用的仇恨与攻击性表情包数据集上进行了大量实验。实验结果表明，PromptHate 能够达到 90.96 的高 AUC，在仇恨表情包分类任务上优于最先进的基线方法。我们还对不同提示设置进行了细粒度分析与案例研究，证明了提示在仇恨表情包分类上的有效性。
引用
@article{arxiv.2302.04156,
title = {Prompting for Multimodal Hateful Meme Classification},
author = {Rui Cao and Roy Ka-Wei Lee and Wen-Haw Chong and Jing Jiang},
journal= {arXiv preprint arXiv:2302.04156},
year = {2023}
}
备注
Accepted in EMNLP, 2022