فاطمه زهرا بخشنده

اين پايان نامه به چالش تشخيص تكنيك‌هاي متقاعدسازي در ميم‌ها، با تمركز بر وظيفه چهارم Semeva‎l 2024 در مورد «تشخيص چند زبانه تكنيك‌هاي متقاعدسازي در ميم‌ها»، مي‌پردازد. دامنه اين تحقيق شامل شناسايي استراتژي‌هاي متقاعدسازي است كه در محتواي ميم متني و چندرسانەاي تعبيه شده است، كه شامل چندين زبان مانند بلغاري، انگليسي و مقدوني شمالي مي‌شود. با توجه به رواج ميم‌ها در انتشار اطلاعات نادرست در سيستم عامل هاي رسانه هاي اجتماعي، از كمبودهاي قابل توجه در اين زمينه، فقدان روش شناسي قوي است كه قادر به تجزيه و تحليل موثر الگوهاي رفتاري براي تكنيك‌هاي متقاعدسازي باشد. براي رفع اين كمبودها، اين روش، تكنيك‌هاي پيش پردازش پيشرفته، از جمله استفاده از OpenAI API براي پردازش متن را براي افزايش كيفيت دادەهاي آموزشي، ادغام مي‌كند. علاوه بر اين، از يك رويكرد چندوجهي براي يادگيري نشانەهاي متني و بصري موجود در ميم‌ها استفاده مي‌شود. هدف اين رويكرد پرداختن به چالش شناسايي تكنيك‌هاي متقاعدسازي تبليغاتي در زمينه چند زبانه و چندوجهي است. اين سيستم عملكرد اميدواركنندەاي را در مجموعه دادەهاي آزمايشي با امتياز F1 Macro برابر با 0.67 و امتياز F1 Micro برابر با 0.74 در دادەهاي انگليسي نشان مي‌دهد. اين يافتەها بر اثربخشي اين رويكرد در شناسايي تكنيك‌هاي تبليغاتي در ميم‌ها تاكيد مي‌كند، كه به تلاش هاي مداوم براي مبارزه با اطلاعات نادرست در پلتفرم‌هاي رسانەهاي اجتماعي كمك مي‌كند.

يادگيري عميق , بينايي كامپيوتر , پردازش زبان طبيعي , ميم‌ها , تحليل چند رسانەاي