The exponential rise of online social media has enabled the creation, distribution, and consumption of information at an unprecedented rate. However, it has also led to the burgeoning of various forms of online abuse. Increasing cases of online antisemitism have become one of the major concerns because of its socio-political consequences. Unlike other major forms of online abuse like racism, sexism, etc., online antisemitism has not been studied much from a machine learning perspective. To the best of our knowledge, we present the first work in the direction of automated multimodal detection of online antisemitism. The task poses multiple challenges that include extracting signals across multiple modalities, contextual references, and handling multiple aspects of antisemitism. Unfortunately, there does not exist any publicly available benchmark corpus for this critical task. Hence, we collect and label two datasets with 3,102 and 3,509 social media posts from Twitter and Gab respectively. Further, we present a multimodal deep learning system that detects the presence of antisemitic content and its specific antisemitism category using text and images from posts. We perform an extensive set of experiments on the two datasets to evaluate the efficacy of the proposed system. Finally, we also present a qualitative analysis of our study.

中文翻译：

---

“颠覆犹太统治”：使用多模式深度学习进行在线反犹太主义检测

在线社交媒体的指数级增长使信息的创建，分发和使用达到了空前的速度。但是，这也导致了各种形式的在线滥用行为的兴起。由于其社会政治后果，越来越多的在线反犹太主义案件已成为人们关注的主要问题之一。与其他主要形式的在线虐待（例如种族主义，性别歧视等）不同，在线反犹太主义并未从机器学习的角度进行深入研究。据我们所知，我们提出了在线反犹太主义自动多模式检测方向的第一项工作。该任务提出了多个挑战，包括跨多种方式提取信号，上下文引用以及处理反犹太主义的多个方面。很遗憾，没有任何公开可用的基准语料库可用于此关键任务。因此，我们分别使用来自Twitter和Gab的3102个和3509个社交媒体帖子来收集和标记两个数据集。此外，我们提出了一种多模式深度学习系统，该系统使用帖子中的文字和图像来检测反犹太内容的存在及其特定的反犹太主义类别。我们在两个数据集上进行了广泛的实验，以评估所提出系统的功效。最后，我们还对我们的研究进行了定性分析。我们提供了一种多模式深度学习系统，该系统可以使用帖子中的文字和图片来检测反犹太内容的存在及其特定的反犹太主义类别。我们在两个数据集上进行了广泛的实验，以评估所提出系统的功效。最后，我们还对我们的研究进行了定性分析。我们提供了一种多模式深度学习系统，该系统可以使用帖子中的文字和图片来检测反犹太内容的存在及其特定的反犹太主义类别。我们在两个数据集上进行了广泛的实验，以评估所提出系统的功效。最后，我们还对我们的研究进行了定性分析。