What Makes a Meme a Meme? Identifying Memes for Memetics-Aware Dataset Creation

警告：本文包含可能会冒犯某些读者的互联网模因。 多模式互联网模因现在已成为在线话语的普遍组成部分。其中一种基于模因的研究是根据不同的情感，如情感和仇恨，对模因进行分类，支持手动编制的模因数据集。了解模因的独特特征对于模因分类至关重要。与其他用户生成的内容不同，模因通过模因学传播，即模因被模仿并转化为用于创建新模因的符号的过程。实际上，存在一个不断发展的视觉和语言符号池，支撑着模因文化，并且对解释单个模因的含义至关重要。目前的方法是在静态数据集上训练监督学习模型，而不考虑模因学，这限制了模因解释的深度和准确性。我们认为，模因数据集必须包含真正的模因，根据模因学的定义，以便建立有效的模因分类器。在这项工作中，我们开发了一种模因识别协议，通过识别其中的模因学来区分模因和非模因学内容。我们将我们的协议应用于领先的7个模因分类数据集的随机抽样，并观察到超过一半（50.4％）的评估样本未发现模因学的迹象。我们的工作还提供了一个基于模因学的模因分类法，为更有效地解释模因和创建模因数据集提供了基础。

本文试图解决如何有效地识别和分类互联网迷因的问题，以及如何构建更准确的迷因分类器。

本文提出了一种迷因识别协议，基于迷因学来区分迷因和非迷因内容，并将其应用于七个迷因分类数据集的随机样本中。同时，本文提出了基于迷因学的迷因分类学，为更有效地解释迷因和构建迷因数据集提供基础。

本文的亮点包括提出了一种基于迷因学的迷因识别协议，通过随机样本实验验证了当前迷因数据集中不足一半的样本具有迷因特征，提出了新的基于迷因学的迷因分类学，为更准确地解释和分类迷因提供了新思路。

近年来，关于迷因识别和分类的研究逐渐增多。相关的研究包括：1.《基于卷积神经网络的迷因分类研究》；2.《基于深度学习的迷因情感分析研究》；3.《基于迷因传播的社交网络情感分析研究》等。