論文の概要: Detecting Media Bias in News Articles using Gaussian Bias Distributions
- arxiv url: http://arxiv.org/abs/2010.10649v1
- Date: Tue, 20 Oct 2020 22:20:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 07:04:58.502598
- Title: Detecting Media Bias in News Articles using Gaussian Bias Distributions
- Title(参考訳): ガウスバイアス分布を用いたニュース記事中のメディアバイアスの検出
- Authors: Wei-Fan Chen, Khalid Al-Khatib, Benno Stein and Henning Wachsmuth
- Abstract要約: 本稿では,記事中の偏りのある文の2次情報がどのように検出効率を向上させるかを検討する。
既存のメディアバイアスデータセットでは、偏りのある文の頻度と位置が記事レベルの偏りに強く影響していることが分かる。
文レベルの偏差検出の標準モデルを用いて,2次情報を用いた記事レベルの偏差検出器が,それ無しで明らかに優れていることを示す実証的証拠を提供する。
- 参考スコア(独自算出の注目度): 35.19976910093135
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Media plays an important role in shaping public opinion. Biased media can
influence people in undesirable directions and hence should be unmasked as
such. We observe that featurebased and neural text classification approaches
which rely only on the distribution of low-level lexical information fail to
detect media bias. This weakness becomes most noticeable for articles on new
events, where words appear in new contexts and hence their "bias
predictiveness" is unclear. In this paper, we therefore study how second-order
information about biased statements in an article helps to improve detection
effectiveness. In particular, we utilize the probability distributions of the
frequency, positions, and sequential order of lexical and informational
sentence-level bias in a Gaussian Mixture Model. On an existing media bias
dataset, we find that the frequency and positions of biased statements strongly
impact article-level bias, whereas their exact sequential order is secondary.
Using a standard model for sentence-level bias detection, we provide empirical
evidence that article-level bias detectors that use second-order information
clearly outperform those without.
- Abstract(参考訳): メディアは世論の形成に重要な役割を果たしている。
バイアスメディアは、望ましくない方向の人々に影響を及ぼす可能性がある。
低レベルの語彙情報の分布のみに依存する機能ベースおよびニューラルテキスト分類アプローチは,メディアバイアスの検出に失敗している。
この弱点は、単語が新しい文脈に現れ、その「バイアス予測性」が不明確である新しい出来事に関する記事で最も注目される。
そこで本研究では,論文中のバイアス文に関する2次情報がどのように検出効率を向上させるかを検討する。
特に、ガウス混合モデルにおいて、語彙的および情報的文レベルのバイアスの頻度、位置、逐次順序の確率分布を利用する。
既存のメディアバイアスデータセットでは、バイアス文の頻度と位置が記事レベルのバイアスに強く影響するのに対し、それらの正確な順序は二次的である。
文レベルのバイアス検出の標準モデルを用いて, 2次情報を用いた記事レベルのバイアス検出が, 文なしのバイアス検出よりも明らかに優れていることを示す。
関連論文リスト
- Is There a One-Model-Fits-All Approach to Information Extraction? Revisiting Task Definition Biases [62.806300074459116]
定義バイアスは、モデルを誤解させる可能性のある負の現象である。
IEでは、情報抽出データセット間のバイアスと、情報抽出データセットとインストラクションチューニングデータセット間のバイアスの2つの定義バイアスを識別する。
本稿では, 定義バイアス測定, バイアス対応微調整, タスク固有バイアス緩和からなる多段階フレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-25T03:19:20Z) - Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。
バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。
Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
論文 参考訳(メタデータ) (2023-01-14T18:58:42Z) - Exploiting Transformer-based Multitask Learning for the Detection of
Media Bias in News Articles [21.960154864540282]
メディアバイアスを検出するために,マルチタスク学習を用いて学習したトランスフォーマーに基づくディープラーニングアーキテクチャを提案する。
我々の最高のパフォーマンス実装は、マクロ$F_1$の0.776を実現しています。
論文 参考訳(メタデータ) (2022-11-07T12:22:31Z) - Neural Media Bias Detection Using Distant Supervision With BABE -- Bias
Annotations By Experts [24.51774048437496]
本稿ではメディアバイアス研究のための頑健で多様なデータセットであるBABEについて述べる。
トピックとアウトレットの間でバランスが取れた3,700の文で構成されており、単語と文のレベルにメディアバイアスラベルが含まれている。
また,本データに基づいて,ニュース記事中のバイアス文を自動的に検出する手法も導入した。
論文 参考訳(メタデータ) (2022-09-29T05:32:55Z) - Pseudo Bias-Balanced Learning for Debiased Chest X-ray Classification [57.53567756716656]
本研究では, バイアスラベルを正確に把握せず, 脱バイアス胸部X線診断モデルの開発について検討した。
本稿では,まずサンプルごとのバイアスラベルをキャプチャし,予測する新しいアルゴリズム,擬似バイアスバランス学習を提案する。
提案手法は他の最先端手法よりも一貫した改善を実現した。
論文 参考訳(メタデータ) (2022-03-18T11:02:18Z) - Information-Theoretic Bias Reduction via Causal View of Spurious
Correlation [71.9123886505321]
本稿では,スプリアス相関の因果的解釈による情報理論バイアス測定手法を提案する。
本稿では,バイアス正規化損失を含むアルゴリズムバイアスに対する新しいデバイアスフレームワークを提案する。
提案したバイアス測定とデバイアス法は、多様な現実シナリオで検証される。
論文 参考訳(メタデータ) (2022-01-10T01:19:31Z) - An Interdisciplinary Approach for the Automated Detection and
Visualization of Media Bias in News Articles [0.0]
メディアバイアスを識別するためのデータセットや手法を考案することを目指しています。
私のビジョンは、ニュース読者が偏見によるメディアカバレッジの違いを認識できるようにするシステムを開発することです。
論文 参考訳(メタデータ) (2021-12-26T10:46:32Z) - Machine-Learning media bias [0.0]
論文を掲載した新聞を推測すると、分析によって新聞を自動的にバイアス空間にマッピングできる条件付き確率分布が導かれる。
数十のニューストピックにおいて、およそ100万の新聞から約100万の新聞をバイアスとして分析することにより、我々の方法は、新聞を人間の判断に基づく以前のバイアス分類とよく一致する2次元のバイアスランドスケープにマッピングする。
論文 参考訳(メタデータ) (2021-08-31T18:06:32Z) - Demoting the Lead Bias in News Summarization via Alternating Adversarial
Learning [7.678864239473703]
ニュース記事において、リードバイアスは、通常、神経抽出要約器の学習信号を支配している一般的な現象である。
本稿では,リードバイアスを分解し,要約者がコンテンツセマンティクスにもっと焦点を合わせる新しい手法を提案する。
論文 参考訳(メタデータ) (2021-05-29T07:40:59Z) - Mitigating Gender Bias Amplification in Distribution by Posterior
Regularization [75.3529537096899]
本稿では,男女差の増幅問題について,分布の観点から検討する。
後続正則化に基づくバイアス緩和手法を提案する。
私たちの研究はバイアス増幅の理解に光を当てている。
論文 参考訳(メタデータ) (2020-05-13T11:07:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。