Rilevamento di meme d'odio spiegabili grazie all'apprendimento multimodale: Un approccio apprendimento profondo per l'analisi del contenuto immagini e testi interpretabili

Questo libro presenta un approccio avanzato per rilevare i contenuti odiosi nei meme di Internet utilizzando l'apprendimento multimodale e l'intelligenza artificiale spiegabile (XAI). I meme combinano immagini e testo, rendendo complessa la loro interpretazione, soprattutto quando l'intento dannoso è trasmesso indirettamente attraverso il sarcasmo, il simbolismo o gli spunti contestuali. I sistemi tradizionali basati sul testo spesso non riescono a cogliere tali relazioni. Per affrontare questa sfida, la proposta di Explainable Hate Meme Detection System (EHMDS) integra modelli di deep learning per l'estrazione di caratteristiche visive e testuali, seguiti da un meccanismo di fusione basato sull'attenzione per comprendere le interazioni cross-modali. Il sistema incorpora inoltre tecniche di spiegabilità come la Grad-CAM e la visualizzazione dell'attenzione per fornire previsioni trasparenti e comprensibili per l'uomo. Valutato su set di dati di riferimento, il modello dimostra una migliore accuratezza e interpretabilità rispetto agli approcci esistenti. Questo lavoro contribuisce allo sviluppo di sistemi di intelligenza artificiale affidabili per la moderazione dei contenuti e per piattaforme digitali più sicure.