A Template Is All You Meme

要約

作成者の意図に適応できるセマンティック構造によって特徴付けられるテンプルなミームは、ミーム処理の文献内の重要でありながら未使用の領域を表しています。
計算ミーム分析の新しい方向性を確立することを目的として、5,200以上のミームテンプレート、それらに関する情報、およびテンプレートインスタンスの54,000の例（テンプルなミーム）で構成される知識ベースを作成します。
ミームテンプレートのセマンティック信号を調査するために、データセットのミームを、距離ベースのルックアップで知識ベースに含まれるベーステンプレートに一致させることができることを示します。
ミームテンプレートのパワーを実証するために、TSPlitを作成します。TSplitは、テンプレートまたはテンプレートインスタンスがトレーニングまたはテストの分割のいずれかでのみ表示できるデータセットを再編成する方法を作成します。
再スプリットデータセットは、一般的なミームの知識を高め、サンプルの効率を向上させ、より堅牢なモデルにつながります。
ミームテンプレートを調べると、検討されるすべてのデータセットの最先端のパフォーマンスが発生し、テンプレートに基づいた分析への道が開かれます。

要約(オリジナル)

Templatic memes, characterized by a semantic structure adaptable to the creator’s intent, represent a significant yet underexplored area within meme processing literature. With the goal of establishing a new direction for computational meme analysis, here we create a knowledge base composed of more than 5,200 meme templates, information about them, and 54,000 examples of template instances (templatic memes). To investigate the semantic signal of meme templates, we show that we can match memes in datasets to base templates contained in our knowledge base with a distance-based lookup. To demonstrate the power of meme templates, we create TSplit, a method to reorganize datasets, where a template or templatic instance can only appear in either the training or test split. Our re-split datasets enhance general meme knowledge and improve sample efficiency, leading to more robust models. Our examination of meme templates results in state-of-the-art performance for every dataset we consider, paving the way for analysis grounded in templateness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google