Ewolucja memów politycznych: Detecting and characterizing internet memes with multi-modal deep learning

Łącząc humor z kulturowym znaczeniem, memy internetowe stały się wszechobecnym artefaktem ery cyfrowej. Jak opisał Richard Dawkins w książce „Samolubny gen”, memy zachowują się jak geny kulturowe, ponieważ rozprzestrzeniają się i ewoluują poprzez złożony proces „mutacji” i „dziedziczenia”. W Internecie memy aktywizują wewnętrzne uprzedzenia w kulturze lub społeczeństwie, czasami zastępując logiczne podejście do argumentacji perswazyjnej. Pomimo sporego sukcesu, jaki odniosły w Internecie, ich wykrywanie i ewolucja pozostają słabo zbadane. W tym badaniu proponujemy i oceniamy Meme-Hunter, wielomodalny model głębokiego uczenia do klasyfikacji obrazów w Internecie jako memów i nie-memów, i porównujemy go z podejściami jednomodalnymi. Następnie używamy podobieństwa obrazów, optycznego rozpoznawania znaków specyficznych dla memów oraz wykrywania twarzy, aby znaleźć i zbadać rodziny memów udostępnianych na Twitterze podczas wyborów śródokresowych w USA w 2018 roku. Poprzez mapowanie mutacji memów w procesie wyborczym, badanie to potwierdza koncepcję ewolucji memów Richarda Dawkinsa.