要約
警告: この文書には、一部の読者にとって不快な可能性のあるミームが含まれています。
マルチモーダルなインターネット ミームは現在、オンラインの議論のいたるところに定着しています。
ミームベースの研究の 1 つは、手動でコンパイルされたミーム データセットによってサポートされる、感情や憎しみなどのさまざまな感情に基づくミームの分類です。
ミームの分類には、ミームの固有の特徴を理解することが重要です。
他のユーザー生成コンテンツとは異なり、ミームはミーム、つまりミームが模倣され、新しいミームを作成するために使用されるシンボルに変換されるプロセスを介して広がります。
実際、ミーム文化を支え、個々のミームの意味を解釈するのに重要な、進化し続ける視覚的および言語的シンボルのプールが存在します。
ミーム学を考慮せずに静的データセットで教師あり学習モデルをトレーニングする現在のアプローチでは、ミーム解釈の深さと精度が制限されます。
私たちは、効果的なミーム分類子を構築できるように、ミーム データセットにはミーム学によって定義された本物のミームが含まれている必要があると主張します。
この研究では、ミーム内のミームを認識することでミームを非ミームコンテンツから区別するミーム識別プロトコルを開発します。
主要な 7 つのミーム分類データセットのランダム サンプリングにプロトコルを適用し、評価されたサンプルの半分以上 (50.4%) にミームの兆候が含まれていないことが判明したことを観察しました。
私たちの研究はまた、ミーム学に基づいたミーム類型学を提供し、ミームの解釈とミーム データセットの作成に対するより効果的なアプローチの基礎を提供します。
要約(オリジナル)
Warning: This paper contains memes that may be offensive to some readers. Multimodal Internet Memes are now a ubiquitous fixture in online discourse. One strand of meme-based research is the classification of memes according to various affects, such as sentiment and hate, supported by manually compiled meme datasets. Understanding the unique characteristics of memes is crucial for meme classification. Unlike other user-generated content, memes spread via memetics, i.e. the process by which memes are imitated and transformed into symbols used to create new memes. In effect, there exists an ever-evolving pool of visual and linguistic symbols that underpin meme culture and are crucial to interpreting the meaning of individual memes. The current approach of training supervised learning models on static datasets, without taking memetics into account, limits the depth and accuracy of meme interpretation. We argue that meme datasets must contain genuine memes, as defined via memetics, so that effective meme classifiers can be built. In this work, we develop a meme identification protocol which distinguishes meme from non-memetic content by recognising the memetics within it. We apply our protocol to random samplings of the leading 7 meme classification datasets and observe that more than half (50. 4\%) of the evaluated samples were found to contain no signs of memetics. Our work also provides a meme typology grounded in memetics, providing the basis for more effective approaches to the interpretation of memes and the creation of meme datasets.
arxiv情報
| 著者 | Muzhaffar Hazman,Susan McKeever,Josephine Griffith |
| 発行日 | 2024-07-16 15:48:36+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google