IITK 在 SemEval-2024 任务 4：用于检测模因中说服技巧的层次化嵌入
IITK at SemEval-2024 Task 4: Hierarchical Embeddings for Detection of Persuasion Techniques in Memes
AI总结：
本文面向 SemEval-2024 模因说服技巧检测任务，提出融合 CDP、HypEmo 层次化标签嵌入与情绪多任务学习的集成方法，在三个子任务上取得 0.60、0.67 和 0.48 的层次化 F1 分数。
摘要：
模因是在线虚假信息活动中最常用的内容类型之一。它们在社交媒体平台上尤其有效，因为能够轻松触达大量用户。虚假信息活动中的模因通过多种修辞和心理技巧来实现影响用户的目的，例如因果过度简化、辱骂和抹黑。SemEval 2024 任务 4“模因中说服技巧的多语言检测”旨在识别模因中的此类技巧，该任务分为三个子任务：（1）仅使用模因文本内容进行层次化多标签分类；（2）同时使用模因文本和视觉内容进行层次化多标签分类；（3）利用文本和视觉内容对模因是否包含说服技巧进行二分类。本文针对该任务提出了一种融合 Class Definition Prediction（CDP，类别定义预测）与基于双曲嵌入方法的集成方案。通过整合 HypEmo 的层次化标签嵌入（Chen 等人，2023）以及用于情绪预测的多任务学习框架，提升了模因分类的准确性和全面性。我们在三个相应子任务上分别取得了 0.60、0.67 和 0.48 的层次化 F1 分数。
英文摘要：
Memes are one of the most popular types of content used in an online disinformation campaign. They are primarily effective on social media platforms since they can easily reach many users. Memes in a disinformation campaign achieve their goal of influencing the users through several rhetorical and psychological techniques, such as causal oversimplification, name-calling, and smear. The SemEval 2024 Task 4 \textit{Multilingual Detection of Persuasion Technique in Memes} on identifying such techniques in the memes is divided across three sub-tasks: ($\mathbf{1}$) Hierarchical multi-label classification using only textual content of the meme, ($\mathbf{2}$) Hierarchical multi-label classification using both, textual and visual content of the meme and ($\mathbf{3}$) Binary classification of whether the meme contains a persuasion technique or not using it's textual and visual content. This paper proposes an ensemble of Class Definition Prediction (CDP) and hyperbolic embeddings-based approaches for this task. We enhance meme classification accuracy and comprehensiveness by integrating HypEmo's hierarchical label embeddings (Chen et al., 2023) and a multi-task learning framework for emotion prediction. We achieve a hierarchical F1-score of 0.60, 0.67, and 0.48 on the respective sub-tasks.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
