AAAIFeb, 2023

多模态宣传处理

PDF
TL;DR该论文探讨了通过 AI 处理多模态的宣传内容的方法，以分析并影响公众舆论，让机器更接近人类的理解水平。
发现论文，激发创造
  • 探测 memes 中的宣传技术

    本文提出了一种新的多标签多模态任务：检测特定类型的宣传技巧在网络迷因中的使用，并基于一个包含 22 种宣传技巧的标注数据集开展了实验，结果表明同时理解文本和图像是检测这些技巧的关键。

    Aug, 2021

  • 计算传播检测综述

    该研究综述了当前计算机辅助的宣传检测技术的现状和挑战，并呼吁自然语言处理和网络分析领域加强合作，以应对利用互联网和社交网络进行有针对性宣传的问题。

    Jul, 2020

  • 大型语言模型用于多标签宣传检测

    本研究通过提出的五种模型集成方法，针对包含 21 种宣传技巧的多标签文本分类任务有效地识别互联网宣传。最终在 WANLP 2022 共享任务中获得 59.73% 的微型 F1 分数，并进一步提出了未来的研究方向。

    Oct, 2022

  • 新闻文章中的可解释宣传检测

    为了应对每天都暴露在误导性和宣传性新闻文章和媒体帖子中的在线用户，我们提出了一种检测和展示这些技术的方法，以提供可解释性。特别地，我们定义了定性描述性特征，并分析了它们检测欺骗技术的适用性，同时表明我们的可解释性特征可以与预训练语言模型轻松结合，产生最先进的结果。

    Aug, 2021

  • Meme 中视觉 - 语言隐喻中的宣传手法检测

    本文介绍了一种基于深度学习多模态融合系统的方法，以检测社交媒体互联网模因中存在的宣传内容，并在图像和文本分类中表现出优异性能。

    May, 2022

  • 多模态虚假信息检测：方法、挑战及机遇

    本文分析社交媒体中多模态环境下的虚假信息与图片 / 视频利用的挑战和机会，探讨现存技术及其不足，旨在进一步提升多模态虚假信息检测的技术。

    Mar, 2022

  • 阿拉伯迷因中的宣传内容

    通过为阿拉伯语模态研究开发一个包含传播性内容的阿拉伯语 memes 数据集，并进行了综合分析，旨在为其检测开发计算工具。

    Jun, 2024

  • 2022 年 WANLP 共享任务：阿拉伯语宣传检测概述

    该研究论文描述了关于如何检测阿拉伯推特上的宣传技术的共享任务，该任务吸引了 63 个团队注册，11 个团队提交了系统描述论文。

    Nov, 2022

  • 可解释的多模态逻辑推理误信息检测

    提出一种新颖的基于逻辑的神经模型，该模型将可解释的逻辑子句集成到目标任务的推理过程中，以检测多模态误解信息，通过在神经表示中参数化符号逻辑元素来实现学习的有效性，并引入五个元预测以使我们的框架具有多样性。

    May, 2023

  • 快速思考、慢速思考、批判性思考：设计一种自动化宣传检测工具

    本研究介绍了 ClarifAI 的设计，这是一种新型的自动化宣传检测工具，旨在通过激活读者的分析思维模式，根据康奈曼的双系统认知理论，鼓励更加批判性的新闻阅读。利用大型语言模型，ClarifAI 能够检测新闻文章中的宣传，并提供丰富的背景解释，增强用户的理解和批判思维能力。研究的贡献有三个方面：首先，我们提出了 ClarifAI 的设计；其次，在一项在线实验中，我们证明了该设计有效地鼓励新闻读者进行更加批判性的阅读；第三，我们强调解释在培养批判思维方面的价值。因此，本研究既提供了一个实用工具，又提供了有用的设计知识，以应对数字新闻中的宣传问题。

    Feb, 2024