MMLTC: A novel Tolerance-Based Clustering Framework for Multimodal Sentiment and Harmful Meme Classification in Multilingual Settings
Notice bibliographique
Résumé
This thesis introduces a novel Tolerance-Based Clustering Framework (MMLTC) framework for affective analytics of multimodal/multilingual content in social media. A key feature of the MMLTC framework is its ability to overcome limitations of prior tolerance-based classifiers through the construction of label specific pure tolerance classes. Unlike traditional global partitioning methods, the proposed MMLTC employs a local, label aware grouping strategy that captures fine grained intra class variations while reducing the risk of label impurity. The proposed framework was tested on diverse multimodal datasets consisting of four English and three Bengali languages, using accuracy and weighted F1 metrics complemented by statistical significance testing via the Wilcoxon signed rank test and effect size analysis using Cohen’s d measure. MMLTC demonstrates strong performance across the seven diverse benchmark datasets, each involving classification tasks such as sentiment analysis, hate speech detection, offensive language identification, and multilingual content categorization. MMLTC outperforms state-of-the-art deep neural classifiers in six out of seven datasets with the weighted F1 score. Additionally, MMLTC consistently achieves performance that is either superior to or on par with five baseline classifiers: Random Forest, Support Vector Machines, Logistic Regression, K-Nearest Neighbors, and XGBoost. To assess the tolerance class clustering ability of MMLTC, t-SNE interpretability technique was applied.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».