Back to search

National and Kapodistrian University of Athens

Automatic Misogyny Detection in Memes: A Systematic Literature Review

Abstract

dc:description

Τα μιμίδια (memes) είναι ένα από τα πιο διαδεδομένα μέσα επικοινωνίας ανάμεσα στους χρήστες του διαδικτύου. Είναι πολυτροπικά μέσα, καθώς ο συνδυασμός γλώσσας κι εικόνας είναι υπεύθυνος για την κατανόηση του μηνύματος που οι χρήστες θέλουν να επικοινωνήσουν. Η έρευνα της παρούσας διπλωματικής εργασίας επικεντρώνεται στη μελέτη των πολυτροπικών μισογυνιστικών μιμιδίων. Η παρούσα διπλωματική εργασία αποτελεί τη πρώτη βιβλιογραφική επισκόπηση στο συγκεκριμένο ερευνητικό πεδίο, ακολουθώντας ως μεθοδολογία το πρωτόκολλο PRISMA, μια καθιερωμένη μεθοδολογία για τη διενέργεια αναπαραγώγιμων επισκοπήσεων και τη σύνθεση ποσοτικών και ποιοτικών τεκμηριωμένων ερευνών, σε διάφορους κλάδους. Μέσω αυτής της μεθοδολογίας, καταλήξαμε σε ορισμένα συμπεράσματα σχετικά με το ζήτημα των μισογυνιστικών μιμιδίων και της αυτόματης ανίχνευσής τους, τα οποία μας οδήγησαν σε προτάσεις για μελλοντικές κατευθύνσεις σε αυτό το θέμα. Ερευνήθηκαν όλα τα υπάρχοντα σύνολα δεδομένων για το συγκεκριμένο θέμα, όπως επίσης και οι σύγχρονες τεχνικές ταξινόμησης. Διαπιστώσαμε ότι τα περισσότερα συστήματα που εξετάστηκαν αναπτύχθηκαν για το διαγωνισμό SemEval 2022 και συγκεκριμένα το θέμα: Ανίχνευση μιοσογυνιστικών μιμιδίων και στη πραγματικότητα ότι το τρέχον ζήτημα εμφανίστηκε στο ερευνητικό προσκήνιο μόλις το 2019, αλλά αναπτύχθηκε έκτοτε ραγδαία. Ανακαλύψαμε ότι υπάρχουν δύο σύνολα δεδομένων (MAMI και MEME) για το ερευνητικό θέμα με παρεμφερείς οδηγίες επισημείωσης. Τα καλύτερα συστήματα τελευταίας τεχνολογίας για την εργασία αυτή χρησιμοποίησαν (α) πολυτροπικές προσεγγίσεις, (β) τεχνικές επαύξησης δεδομένων (τόσο για εικόνα όσο και για κείμενο) και (γ) ασχολήθηκαν με τη μετατόπιση τομέα. Τέλος, κάναμε ορισμένες παρατηρήσεις σχετικά με τα εξεταζόμενα συστήματα και τις δυσκολίες του έργου και προτείναμε αντίστοιχες ερευνητικές κατευθύνσεις. Ειδικότερα παρατηρούμε (α) την ανάγκη εφαρμογής ενός διαφορετικού τρόπου επισημείωσης των δεδομένων και προτείναμε το πλαίσιο COSMOROE, το οποίο αποτυπώνει τη σημασιολογική συσχέτιση εικόνας και κειμένου, (β) εντοπίσαμε την ανάγκη δημιουργίας συνόλων δεδομένων που θα επιτυγχάνουν υψηλότερη συμφωνία μεταξύ των σχολιαστών από το σύνολο δεδομένων στο οποίο εκτελούνται οι περισσότεροι αλγόριθμοι της εργασίας, (γ) επισημαίνουμε την ανάγκη για περαιτέρω έρευνα σχετικά με τη δομή και το περιεχόμενο των συνόλων δεδομένων, ώστε να προσδιοριστεί ο βαθμός στον οποίο τα πρότυπα μιμιδίων με την ίδια εικόνα και το ίδιο κείμενο (ή το αντίστροφο) επηρεάζουν την απόδοση ταξινόμησης και δ) σημειώνουμε επίσης ότι τα δεδομένα θα πρέπει να επισημειωθούν λαμβάνοντας υπόψη τις μελέτες και τις θεωρίες για το φύλο, οδηγώντας σε σύνολα δεδομένων χωρίς αποκλεισμούς.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Σαββινίδου Αθηνά
  • Savvinidou Athina

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:3369695

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Σαββινίδου Αθηνά; Savvinidou Athina. Automatic Misogyny Detection in Memes: A Systematic Literature Review. 2023. https://pergamos.lib.uoa.gr/uoa/dl/object/3369695