सोशल मीडिया पर हैशटैग अनुचितता का पता लगाने के लिए एक नवीन हाइब्रिड मल्टी-मोडल डीप लर्निंग

हैशटैग वर्षों से सोशल मीडिया प्लेटफार्मों का एक अभिन्न तत्व रहे हैं और उपयोगकर्ताओं द्वारा उन्हें प्रोत्साहित करने, व्यवस्थित करने और जोड़ने के लिए व्यापक रूप से उपयोग किया जाता है। हैशटैग के व्यापक उपयोग के बावजूद, संगत टैग के उपयोग का कोई आधार नहीं है, जिससे हैशटैग खोजों में कई असम्बंधित सामग्री का निर्माण होता है। हैशटैग में मेल न खाने वाली सामग्री की उपस्थिति व्यक्तियों और ब्रांडों के लिए कई समस्याएं पैदा करती है। हालांकि कई विधियाँ उपयोगकर्ताओं की रुचियों के आधार पर हैशटैग का सुझाव देकर समस्या को हल करने के लिए प्रस्तुत की गई हैं, इन असंबंधित हैशटैग के साथ इन दोहराई गई सामग्री की विशेषताओं का पता लगाने और विश्लेषण करने पर शायद ही कभी ध्यान दिया गया है। इस उद्देश्य के लिए, हम दृश्य और पाठ्य मोडैलिटी को संयोजित करके एक नवीन हाइब्रिड डीप लर्निंग हैशटैग अनुचितता पहचान का प्रस्ताव करते हैं। हम पाठ्य और दृश्य जानकारी को एक ही समय में संचालित करने के लिए BERT और ResNet50 प्री-ट्रेंड मॉडलों को ठीक करते हैं। हम छवियों में भिन्नता का पता लगाने में लोगो पहचानने और चेहरा पहचानने की क्षमता को भी प्रदर्शित करने का प्रयास करते हैं। चेहरों को निकालने के लिए, हम एक पाइपलाइन पेश करते हैं जो इंस्टाग्राम खातों पर उनके दिखाई देने की बार-बारता के आधार पर चेहरों को रैंक करती है। इसके अलावा, हम उन हैशटैग से संबंधित इंस्टाग्राम पोस्ट के एक डेटासेट पर अपना विश्लेषण और प्रयोग करते हैं जो हमने ब्रांडों और मशहूर हस्तियों से एकत्रित किया है। मौजूदा कार्यों के विपरीत, हम इन सामग्री का विश्लेषण दोनों सामग्री और उपयोगकर्ता दृष्टिकोण से करते हैं और डेटा के बीच एक महत्वपूर्ण अंतर दिखाते हैं। हमारे परिणामों की रोशनी में, हम दिखाते हैं कि हमारा मल्टीमोडल मॉडल अन्य मॉडलों से बेहतर प्रदर्शन करता है और असंगत जानकारी का पता लगाने में वस्तु पहचानने की प्रभावशीलता को दर्शाता है।