摘要

本文介绍了ArAIEval共享任务的第二版，该任务是作为ArabicNLP 2024会议的一部分组织的，旨在检测阿拉伯语单模态和多模态内容中的宣传技巧。任务包括两个部分：（i）在推文和新闻文章中检测宣传性文本片段并识别说服技巧，（ii）区分宣传性和非宣传性表情包。共有14支队伍参与了最终评估阶段，其中6支队伍参与了任务1，9支队伍参与了任务2。大多数参与系统以微调变压器模型如AraBERT为核心。本文描述了任务设置，包括数据集构建和评估设置，并简要概述了参与系统。所有数据集和评估脚本都已发布给研究社区，希望这能促进对这些重要任务在阿拉伯语中的进一步研究。

原理

本文的关键内容在于使用变压器模型进行宣传技巧的检测。变压器模型，特别是AraBERT，通过微调预训练模型来识别和分类文本中的宣传技巧。这些模型利用了深度学习的能力，通过大量的训练数据学习复杂的模式，从而能够准确地识别和定位文本中的宣传性内容。此外，多模态检测涉及结合文本和视觉信息，使用如CLIP这样的模型来处理图像数据，进一步提高了检测的准确性。

流程

任务1的工作流程涉及从新闻段落或推文中识别特定的宣传技巧及其出现的精确范围。数据集包括从新闻文章中提取的段落和推文，通过手动注释来标记宣传技巧。任务2则涉及多模态内容的分类，包括从表情包中提取的文本和图像，通过OCR技术提取文本，并手动编辑宣传性表情包的文本。评估阶段分为开发和测试两个阶段，参与者通过Codalab提交他们的预测。

应用

本文提出的方法在社交媒体内容分析、新闻监控和政治广告分析等领域具有广泛的应用前景。随着社交媒体和在线新闻的普及，自动检测宣传内容的能力对于维护信息的真实性和公众的知情权至关重要。此外，这种方法还可以扩展到其他语言和多模态内容，为全球范围内的信息监控提供技术支持。