論文の概要: Modeling Multi-level Context for Informational Bias Detection by
Contrastive Learning and Sentential Graph Network
- arxiv url: http://arxiv.org/abs/2201.10376v1
- Date: Tue, 25 Jan 2022 15:07:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-26 14:54:57.638794
- Title: Modeling Multi-level Context for Informational Bias Detection by
Contrastive Learning and Sentential Graph Network
- Title（参考訳）: コントラスト学習とセンテンシャルグラフネットワークを用いた情報バイアス検出のための多レベルコンテキストモデリング
- Authors: Shijia Guo, Kenny Q. Zhu
- Abstract要約: 情報バイアスはコンテキストとともにのみ検出できる。
本稿では,英語ニュース記事の文レベルの情報バイアスを検出するために,文脈の3つのレベルを統合する。
我々のモデルであるMultiCTXは,これら3つの文脈を符号化するために,グラフ注意ネットワーク(GAT)とともにコントラスト学習と文グラフを使用する。
- 参考スコア（独自算出の注目度）: 13.905580921329717
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Informational bias is widely present in news articles. It refers to providing
one-sided, selective or suggestive information of specific aspects of certain
entity to guide a specific interpretation, thereby biasing the reader's
opinion. Sentence-level informational bias detection is a very challenging task
in a way that such bias can only be revealed together with the context,
examples include collecting information from various sources or analyzing the
entire article in combination with the background. In this paper, we integrate
three levels of context to detect the sentence-level informational bias in
English news articles: adjacent sentences, whole article, and articles from
other news outlets describing the same event. Our model, MultiCTX (Multi-level
ConTeXt), uses contrastive learning and sentence graphs together with Graph
Attention Network (GAT) to encode these three degrees of context at different
stages by tactically composing contrastive triplets and constructing sentence
graphs within events. Our experiments proved that contrastive learning together
with sentence graphs effectively incorporates context in varying degrees and
significantly outperforms the current SOTA model sentence-wise in informational
bias detection.
- Abstract（参考訳）: 情報バイアスはニュース記事に広く見られる。
特定の解釈を導くために、特定の実体の特定の側面の一方的、選択的、あるいは示唆的な情報を提供すること。
文レベルの情報バイアス検出は、様々なソースから情報を収集したり、記事全体を背景と組み合わせて分析するなど、コンテキストとともにのみ、そのようなバイアスを明らかにする方法において非常に難しいタスクである。
本稿では,英語ニュース記事における文レベルの情報バイアスを検出するために,文脈の3つのレベルを統合する。
multictx (multi-level context) というモデルでは,コントラスト学習と文グラフをグラフアテンションネットワーク (gat) と組み合わせて,コントラストトリプレットを戦術的に合成し,イベント内の文グラフを構築することにより,これら3つのコンテキストを異なるステージでエンコードする。
比較学習と文グラフは, 文脈を異なる程度に効果的に取り入れ, 情報バイアス検出において現在のsotaモデル文を有意に上回ることを示した。
関連論文リスト
- Bridging Local Details and Global Context in Text-Attributed Graphs [62.522550655068336]
GraphBridgeは、コンテキストテキスト情報を活用することで、ローカルおよびグローバルな視点をブリッジするフレームワークである。
提案手法は最先端性能を実現し,グラフ対応トークン削減モジュールは効率を大幅に向上し,スケーラビリティの問題を解消する。
論文 参考訳（メタデータ） (2024-06-18T13:35:25Z) - Understanding Position Bias Effects on Fairness in Social Multi-Document Summarization [1.9950682531209158]
3つの言語コミュニティからのつぶやきを要約する際の入力文書におけるグループ順序付けの効果について検討する。
以上の結果から,社会的多文書要約では位置バイアスが異なることが示唆された。
論文 参考訳（メタデータ） (2024-05-03T00:19:31Z) - Open-Domain Event Graph Induction for Mitigating Framing Bias [89.46744219887005]
フレーミングバイアスの研究と特定は、信頼できるイベント理解への重要なステップである、と我々は主張する。
この問題に対処するために、ニュートラルイベントグラフ誘導という新しいタスクを提案する。
我々の課題は、オープンドメインにおいて最小限のフレーミングバイアスでそのような構造的知識を誘導することである。
論文 参考訳（メタデータ） (2023-05-22T08:57:42Z) - Interpretable Detection of Out-of-Context Misinformation with Neural-Symbolic-Enhanced Large Multimodal Model [16.348950072491697]
誤報の作者は、ニュース検出システムや偽ニュースを騙すために、マルチメディア以外のコンテンツを使う傾向が強まっている。
この新たなタイプの誤報は、検出だけでなく、個々のモダリティが真の情報に十分近いため、明確化の難しさも増す。
本稿では,不一致のペアと相互の矛盾を同時に識別する,解釈可能なクロスモーダル・デコンテクスト化検出を実現する方法について検討する。
論文 参考訳（メタデータ） (2023-04-15T21:11:55Z) - Unsupervised Extractive Summarization with Heterogeneous Graph
Embeddings for Chinese Document [5.9630342951482085]
中国語文書にヘテロジニアスグラフ埋め込み (HGE) を組み込んだ教師なし抽出サマリザイトン法を提案する。
実験結果から,本手法は3つの要約データセットにおいて,強いベースラインを一貫して上回ることを示した。
論文 参考訳（メタデータ） (2022-11-09T06:07:31Z) - Contextual information integration for stance detection via
cross-attention [59.662413798388485]
スタンス検出は、著者の目標に対する姿勢を特定することを扱う。
既存のスタンス検出モデルの多くは、関連するコンテキスト情報を考慮していないため、制限されている。
文脈情報をテキストとして統合する手法を提案する。
論文 参考訳（メタデータ） (2022-11-03T15:04:29Z) - Enhanced Knowledge Selection for Grounded Dialogues via Document
Semantic Graphs [123.50636090341236]
本稿では,背景知識文書を自動的に文書意味グラフに変換することを提案する。
文書意味グラフは文ノードを用いて文レベル情報を保存し,文間の概念接続を提供する。
本実験により,HolEにおける知識選択タスクとエンドツーエンド応答生成タスクの双方において,意味グラフに基づく知識選択が文選択ベースラインよりも改善されることが示されている。
論文 参考訳（メタデータ） (2022-06-15T04:51:32Z) - KCD: Knowledge Walks and Textual Cues Enhanced Political Perspective
Detection in News Media [28.813287482918344]
マルチホップ知識推論を可能にする政治的視点検出手法であるKCDを提案する。
具体的には、外部知識グラフのランダムウォークを生成し、それらをニューステキスト表現で注入する。
そこで我々は,ニュースコンテンツとセマンティック,構文,実体的手がかりを協調的にモデル化する異種情報ネットワークを構築した。
論文 参考訳（メタデータ） (2022-04-08T13:06:09Z) - 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) - Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。
我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。
我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
論文 参考訳（メタデータ） (2020-08-21T20:59:34Z) - Structure-Augmented Text Representation Learning for Efficient Knowledge
Graph Completion [53.31911669146451]
人為的な知識グラフは、様々な自然言語処理タスクに重要な支援情報を提供する。
これらのグラフは通常不完全であり、自動補完を促す。
グラフ埋め込みアプローチ(例えばTransE)は、グラフ要素を密度の高い埋め込みに表現することで構造化された知識を学ぶ。
テキストエンコーディングアプローチ(KG-BERTなど)は、グラフトリプルのテキストとトリプルレベルの文脈化表現を利用する。
論文 参考訳（メタデータ） (2020-04-30T13:50:34Z)
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。