The evolution of political memes: Detecting and characterizing internet memes with multi-modal deep learning

Durch die Kombination von Humor und kultureller Relevanz sind Internet-Memes zu einem allgegenwärtigen Artefakt des digitalen Zeitalters geworden. Wie Richard Dawkins in seinem Buch „Das egoistische Gen“ beschrieben hat, verhalten sich Meme wie kulturelle Gene, die sich durch einen komplexen Prozess der „Mutation“ und „Vererbung“ verbreiten und weiterentwickeln. Im Internet aktivieren diese Meme inhärente Vorurteile in einer Kultur oder Gesellschaft und ersetzen manchmal logische Ansätze für überzeugende Argumente. Obwohl sie im Internet recht erfolgreich sind, sind ihre Entdeckung und Entwicklung noch nicht ausreichend erforscht. In dieser Forschungsarbeit schlagen wir Meme-Hunter vor und bewerten es, ein multimodales Deep-Learning-Modell zur Klassifizierung von Bildern im Internet als Meme und Nicht-Memes, und vergleichen es mit unimodalen Ansätzen. Anschließend verwenden wir Bildähnlichkeit, meme-spezifische optische Zeichenerkennung und Gesichtserkennung, um Familien von Memen zu finden und zu untersuchen, die während der US-Zwischenwahlen 2018 auf Twitter geteilt wurden. Indem wir die Mem-Mutation in einem Wahlprozess abbilden, bestätigt diese Studie Richard Dawkins‘ Konzept der Mem-Evolution.