論文の概要: Towards Target-dependent Sentiment Classification in News Articles
- arxiv url: http://arxiv.org/abs/2105.09660v1
- Date: Thu, 20 May 2021 10:48:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-21 17:22:56.230260
- Title: Towards Target-dependent Sentiment Classification in News Articles
- Title（参考訳）: ニュース記事のターゲット依存型感性分類に向けて
- Authors: Felix Hamborg and Karsten Donnay and Bela Gipp
- Abstract要約: 本稿では,手動でTSCを探索するデータセットであるNewsTSCを紹介する。
ニュースの感情は、あまり明示的に表現されず、文脈や読者に依存しており、より深い解釈を必要とする。
理由としては、ターゲットと感情を持つフレーズの誤った関係や、文脈外依存などが挙げられる。
- 参考スコア（独自算出の注目度）: 10.541787182702217
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Extensive research on target-dependent sentiment classification (TSC) has led
to strong classification performances in domains where authors tend to
explicitly express sentiment about specific entities or topics, such as in
reviews or on social media. We investigate TSC in news articles, a much less
researched domain, despite the importance of news as an essential information
source in individual and societal decision making. This article introduces
NewsTSC, a manually annotated dataset to explore TSC on news articles.
Investigating characteristics of sentiment in news and contrasting them to
popular TSC domains, we find that sentiment in the news is expressed less
explicitly, is more dependent on context and readership, and requires a greater
degree of interpretation. In an extensive evaluation, we find that the state of
the art in TSC performs worse on news articles than on other domains (average
recall AvgRec = 69.8 on NewsTSC compared to AvgRev = [75.6, 82.2] on
established TSC datasets). Reasons include incorrectly resolved relation of
target and sentiment-bearing phrases and off-context dependence. As a major
improvement over previous news TSC, we find that BERT's natural language
understanding capabilities capture the less explicit sentiment used in news
articles.
- Abstract（参考訳）: ターゲット依存感情分類(TSC)に関する広範な研究は、著者がレビューやソーシャルメディアなど特定のエンティティやトピックに対する感情を明確に表現する傾向にある領域において、強力な分類性能をもたらしている。
個人・社会的な意思決定において,ニュースが重要な情報源であるにもかかわらず,ニュース記事におけるTSCについて検討する。
本稿では,手動でTSCを探索するデータセットであるNewsTSCを紹介する。
ニュースにおける感情の特徴を調査し,それを一般的なtscドメインと比較すると,ニュースの感情は明示的ではなく,文脈や読者に依存しており,解釈の度合いも高いことが分かる。
広範に評価したところ、TSCにおけるアートの状況は他のドメインよりもニュース記事の方が悪い(AvgRec = 69.8をNewsTSCで、AvgRev = [75.6, 82.2])。
理由としては、ターゲットと感情を持つフレーズの誤った関係や、文脈外依存などが挙げられる。
従来のニュースTSCに対する大きな改善として、BERTの自然言語理解能力は、ニュース記事で使われるあまり明示的な感情を捉えることができる。
関連論文リスト
- A Multilingual Similarity Dataset for News Article Frame [14.977682986280998]
16,687の新しいラベル付きペアを用いた大規模ラベル付きニュース記事データセットの拡張版を導入する。
本手法は,従来のニュースフレーム分析研究において,フレームクラスを手動で識別する作業を自由化する。
全体としては10言語にまたがって26,555のラベル付きニュース記事ペアで利用可能な、最も広範な言語間ニュース記事類似性データセットを紹介します。
論文 参考訳（メタデータ） (2024-05-22T01:01:04Z) - SCStory: Self-supervised and Continual Online Story Discovery [53.72745249384159]
SCStoryは、素早く公開されたニュース記事ストリームを人間のアノテーションなしでリアルタイムで消化するのに役立つ。
SCStoryは、ニュース記事ストリームのストーリー指向適応モデリングという新しいアイデアを取り入れて、自己指導的かつ継続的な学習を取り入れている。
論文 参考訳（メタデータ） (2023-11-27T04:50:01Z) - From Nuisance to News Sense: Augmenting the News with Cross-Document
Evidence and Context [25.870137795858522]
本稿では,複数のニュース記事からの情報を中心的な話題に集め統合するための,新しいセンスメイキングツールと読書インタフェースであるNEWSSENSEを紹介する。
NEWSSENSEは、異なるソースからの関連記事にリンクすることで、ユーザの選択を集中的に根拠づけた記事を強化する。
我々のパイロット研究は、NEWSSENSEがユーザーが重要な情報を識別し、ニュース記事の信頼性を確認し、異なる視点を探索するのに役立つ可能性を示唆している。
論文 参考訳（メタデータ） (2023-10-06T21:15:11Z) - Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News
Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。
我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文 参考訳（メタデータ） (2023-09-28T13:19:43Z) - Towards Corpus-Scale Discovery of Selection Biases in News Coverage:
Comparing What Sources Say About Entities as a Start [65.28355014154549]
本稿では,大規模ニュースコーパスにおけるニュースコンテンツから直接メディア選択バイアスのパターンを発見するために,スケーラブルなNLPシステムを構築する上での課題について検討する。
我々は,世界519のニュースソースから180万件のニュース記事のコーパスであるNELA-2020のケーススタディを通じて,フレームワークの能力を示す。
論文 参考訳（メタデータ） (2023-04-06T23:36:45Z) - Bias or Diversity? Unraveling Fine-Grained Thematic Discrepancy in U.S.
News Headlines [63.52264764099532]
われわれは、2014年から2022年までの米国の主要メディアから、180万件のニュース記事の大規模なデータセットを使用している。
我々は、国内政治、経済問題、社会問題、外交の4つの主要なトピックに関連する、きめ細かいテーマの相違を定量化する。
以上の結果から,国内政治や社会問題においては,一定のメディア偏見が原因であることが示唆された。
論文 参考訳（メタデータ） (2023-03-28T03:31:37Z) - 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) - Nothing Stands Alone: Relational Fake News Detection with Hypergraph
Neural Networks [49.29141811578359]
本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。
提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
論文 参考訳（メタデータ） (2022-12-24T00:19:32Z) - Headline Diagnosis: Manipulation of Content Farm Headlines [0.0]
ニュース記事が公式の報道機関のものであるかどうかを正確に予測することが不可欠である。
本研究は、ニュース記事の信頼性を決定するために、畳み込みニューラルネットワークに基づく見出し分類を開発する。
論文 参考訳（メタデータ） (2022-04-25T02:55:33Z) - Newsalyze: Enabling News Consumers to Understand Media Bias [7.652448987187803]
フェイクニュース」の時代には、ニュース記事のスラントと信頼性を知ることが極めて重要である。
我々はNewsalyzeを紹介します。Newsalyzeは、言葉の選択とラベル付け(WCL)という、微妙で強力なメディアバイアスに焦点をあてたバイアス対応ニュースリーダーです。
WCLバイアスは、ニュースで報告された「フリーダム・ファイター」対「テロリスト」の評価を変えることができる。
論文 参考訳（メタデータ） (2021-05-20T11:20:37Z) - Context in Informational Bias Detection [4.386026071380442]
英語ニュース記事における情報バイアスに関する4種類の文脈について検討する。
イベントコンテキストの統合は、非常に強力なベースライン上での分類性能を改善する。
最良性能の文脈包含モデルが長文のベースラインより優れていることが判明した。
論文 参考訳（メタデータ） (2020-12-03T15:50:20Z)
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。