Détection de mèmes haineux explicables à l'aide de l'apprentissage multimodal

Ce livre présente une approche avancée de la détection des contenus haineux dans les mèmes Internet en utilisant l'apprentissage multimodal et l'intelligence artificielle explicable (XAI). Les mèmes combinent des images et du texte, ce qui rend leur interprétation complexe, en particulier lorsque l'intention de nuire est transmise indirectement par le sarcasme, le symbolisme ou des indices contextuels. Les systèmes traditionnels basés sur le texte ne parviennent souvent pas à saisir de telles relations. Pour relever ce défi, le système de détection de mèmes haineux explicables proposé (EHMDS) intègre des modèles d'apprentissage profond pour l'extraction des caractéristiques visuelles et textuelles, suivis d'un mécanisme de fusion basé sur l'attention pour comprendre les interactions multimodales. Le système incorpore en outre des techniques d'explicabilité telles que Grad-CAM et la visualisation de l'attention pour fournir des prédictions transparentes et compréhensibles par l'homme. Évalué sur des ensembles de données de référence, le modèle fait preuve d'une précision et d'une interprétabilité accrues par rapport aux approches existantes. Ce travail contribue au développement de systèmes d'IA fiables pour la modération de contenu et des plateformes numériques plus sûres.