Erklärbare Erkennung von Hass-Memes durch multimodales Lernen: Ein Deep Learning-Ansatz für interpretierbare Bild-Text-Inhaltsanalyse

In diesem Buch wird ein fortschrittlicher Ansatz zur Erkennung hasserfüllter Inhalte in Internet-Memes mithilfe von multimodalem Lernen und erklärbarer künstlicher Intelligenz (XAI) vorgestellt. Memes kombinieren Bilder und Text, was ihre Interpretation komplex macht, insbesondere wenn schädliche Absichten indirekt durch Sarkasmus, Symbolik oder kontextuelle Hinweise vermittelt werden. Herkömmliche textbasierte Systeme können solche Zusammenhänge oft nicht erfassen. Um diese Herausforderung zu bewältigen, integriert das vorgeschlagene Explainable Hate Meme Detection System (EHMDS) Deep-Learning-Modelle für die visuelle und textuelle Merkmalsextraktion, gefolgt von einem aufmerksamkeitsbasierten Fusionsmechanismus, um cross-modale Interaktionen zu verstehen. Das System beinhaltet außerdem Erklärungsmethoden wie Grad-CAM und Aufmerksamkeitsvisualisierung, um transparente und für den Menschen verständliche Vorhersagen zu ermöglichen. Das Modell wurde anhand von Benchmark-Datensätzen evaluiert und zeigt im Vergleich zu bestehenden Ansätzen eine verbesserte Genauigkeit und Interpretierbarkeit. Diese Arbeit trägt zur Entwicklung zuverlässiger KI-Systeme für die Moderation von Inhalten und sicherere digitale Plattformen bei.

Pagina's: 60, Paperback, Verlag Unser Wissen