أدى الانتشار السريع لوسائل التواصل الاجتماعي ونماذج اللغة الكبيرة التوليدية إلى زيادة محتوى ضار متعدد الأنماط، مما يجعل اكتشاف الميمات الضارة وتوليد التفسيرات أمرًا حيويًا لتعديل المحتوى. في وسائل التواصل الاجتماعي الصينية، تعتمد ضارة الميمات على التفاعلات التصويرية والنصية الضمنية في السياقات الثقافية، ولكن الأبحاث الحالية تفتقر إلى فهم شامل لهذه الخصوصية الثقافية. إن تجاهل المعرفة الاجتماعية والخلفيات التعبيرية المجازية الموجودة في الميمات يؤدي إلى أداء اكتشاف محدود. لمعالجة هذا التحدي، نقترح إطار عمل جديد لكشف الميمات الضارة الصينية مع تعزيز التفسير الدقيق (FG-E2HMD)، وهو إطار يستخدم نماذج اللغة الكبيرة متعددة الأنماط (MLLMs) مع وحدة توليد تفسيرات تهتم بالثقافة لإنتاج تفسيرات منظمة، والتي تتكامل مع الميزات متعددة الأنماط لاتخاذ القرار. تم إجراء تجارب كمية شاملة وتحليلات نوعية على مجموعة بيانات ToxiCN MM، وهي أول مجموعة بيانات كبيرة مخصصة لاكتشاف الميمات الضارة الصينية. تكشف النتائج التجريبية أن الطرق الحالية لا تزال لديها قيود كبيرة في اكتشاف الميمات الضارة الصينية. في الوقت نفسه، يحسن إطارنا دقة الاكتشاف وشفافية القرار من خلال دمج المعرفة الثقافية الصينية الصريحة، مما يمهد الطريق لأنظمة تعديل محتوى أكثر ذكاءً وتكيفًا مع الثقافة.
درس تشين وآخرون (Mon,) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: