Key points are not available for this paper at this time.
La classification des memes haineux est une tâche multimodale complexe qui nécessite un raisonnement complexe et des connaissances contextuelles. Idéalement, nous pourrions tirer parti d'une base de connaissances externe explicite pour compléter les informations contextuelles et culturelles dans les memes haineux. Cependant, il n'existe aucune base de connaissances externe explicite connue capable de fournir des informations contextuelles sur les discours de haine. Pour combler cette lacune, nous proposons PromptHate, un modèle simple mais efficace basé sur des prompts qui interpelle les modèles de langage pré-entraînés (PLMs) pour la classification des memes haineux. Plus précisément, nous construisons des prompts simples et fournissons quelques exemples contextuels pour exploiter les connaissances implicites du modèle de langage RoBERTa pré-entraîné pour la classification des memes haineux. Nous réalisons des expérimentations approfondies sur deux ensembles de données de memes haineux et offensifs disponibles publiquement. Nos résultats expérimentaux montrent que PromptHate parvient à obtenir une AUC élevée de 90,96, surpassant les références de pointe dans la tâche de classification des memes haineux. Nous effectuons également des analyses détaillées et des études de cas sur divers réglages de prompts et démontrons l'efficacité des prompts sur la classification des memes haineux.
Cao et al. (Sat,) ont étudié cette question.