مهديه نادري

در اين پايان‌نامه، به بررسي تكنيك‌هاي متقاعدسازي در ميم‌ها پرداخته‌ شده‌است. اين پژوهش در چارچوب شركت تيم CVcoders در تسك فرعي 1 و 2ب از تسك 4 مسابقه Semeva‎l 2024 انجام گرفته كه موضوع آن شناسايي روش‌هاي متقاعدسازي روان‌شناختي و بلاغي در محتواهاي چندزبانه و چندرسانه‌اي است. براي هر دو بخش، از داده‌هاي ارائه‌شده توسط مسابقه Semeva‎l استفاده شد و به‌منظور بهبود عملكرد مدل‌ها در مواجهه با عدم‌تعادل طبقات، از تكنيك‌هاي پيشرفته‌اي مانند Focal Loss بهره برديم. مدل‌ها تنها با استفاده از داده‌هاي انگليسي آموزش داده شدند و در نهايت، با داده‌هاي به زبان مقدونيه شمالي، بلغاري و انگليسي آزمايش شدند. در تسك فرعي 1، كه تنها شامل داده‌هاي متني و 20 طبقه‌بندي مختلف بود، از مدل‌هاي پيش‌آموخته XLM-RoBERTa و GPT-2 استفاده كرديم. نتايج نشان مي‌دهند كه مدل GPT-2 طبق معيار ارزيابي Hierarchical F1 در زبان انگليسي عملكرد بهتري داشته است. در تسك فرعي2ب، داده‌هاي متني و تصويري با 2 كلاس مختلف مورد بررسي قرار گرفتند. براي اين منظور، از تركيب مدل‌هاي پيش‌آموخته متن و تصوير XLM-RoBERTa، GPT-2، VGG و ViT براي طبقه‌بندي استفاده شد. در اين بخش، داده‌هاي چندرسانه‌اي شامل متون و تصاوير تحليل شدند تا مشخص شود آيا در هر ميم از تكنيك‌هاي متقاعدسازي استفاده شده است يا خير. تركيب مدل‌هاي VGG و GPT-2 بهترين عملكرد را در اين زمينه ارائه داد.

تكنيك‌هاي متقاعدسازي , پروپاگاندا , پردازش زبان طبيعي , يادگيري عميق , پردازش تصوير , Semeva‎l 2024 , XLM-RoBERTa , GPT-2 , Focal Loss