論文の概要: Detecting Anchors' Opinion in Hinghlish News Delivery
- arxiv url: http://arxiv.org/abs/2204.02155v1
- Date: Tue, 5 Apr 2022 12:26:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-06 13:38:27.402198
- Title: Detecting Anchors' Opinion in Hinghlish News Delivery
- Title(参考訳): Hinghlishニュース配信におけるアンカーの意見
- Authors: Siddharth Sadhwani, Nishant Grover, Md Akhtar, Tanmoy Chakraborty
- Abstract要約: 本稿では,議論におけるアンカーの意見検出の新たな課題を提案する。
我々は、コードミキシングされたニュース討論をキュレートし、ODINデータセットを開発する。
データセットにおける合計2054人のアンカーの発声は、意見や無意見としてマークされている。
- 参考スコア(独自算出の注目度): 22.98110639419913
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humans like to express their opinions and crave the opinions of others.
Mining and detecting opinions from various sources are beneficial to
individuals, organisations, and even governments. One such organisation is news
media, where a general norm is not to showcase opinions from their side.
Anchors are the face of the digital media, and it is required for them not to
be opinionated. However, at times, they diverge from the accepted norm and
insert their opinions into otherwise straightforward news reports, either
purposefully or unintentionally. This is primarily seen in debates as it
requires the anchors to be spontaneous, thus making them vulnerable to add
their opinions. The consequence of such mishappening might lead to biased news
or even supporting a certain agenda at the worst. To this end, we propose a
novel task of anchors' opinion detection in debates. We curate code-mixed news
debates and develop the ODIN dataset. A total of 2054 anchors' utterances in
the dataset are marked as opinionated or non-opinionated. Lastly, we propose
DetONADe, an interactive attention-based framework for classifying anchors'
utterances and obtain the best weighted-F1 score of 0.703. A thorough analysis
and evaluation show many interesting patterns in the dataset and predictions.
- Abstract(参考訳): 人間は自分の意見を表現し、他人の意見を欲しがる。
さまざまなソースからの意見のマイニングと検出は個人、組織、さらには政府にも有益である。
そのような組織のひとつがニュースメディアであり、一般的な規範は彼らの側からの意見を示すものではない。
アンカーはデジタルメディアの顔であり、意見が合わないようにする必要がある。
しかし、時には受け入れられた規範から逸脱し、その意見は意図的または意図的でないニュースに挿入されることがある。
これは主に議論において、アンカーが自発的である必要があるため、意見を加えるのに脆弱であると考えられる。
このような誤解の結果は、バイアスのあるニュースや、最悪の場合特定の議題を支持することにつながるかもしれない。
そこで本研究では,議論におけるアンカーの意見検出の新たな課題を提案する。
我々は、コードミキシングされたニュース討論をキュレートし、ODINデータセットを開発する。
データセットにおける合計2054人のアンカーの発声は、意見や無意見としてマークされている。
最後に、アンカーの発話を分類し、最適な重み付きF1スコア0.703を得るための対話型アテンションベースのフレームワークであるDetONADeを提案する。
詳細な分析と評価は、データセットと予測に多くの興味深いパターンを示している。
関連論文リスト
- DocNet: Semantic Structure in Inductive Bias Detection Models [0.4779196219827508]
本稿では,新しい,インダクティブで低リソースなドキュメント埋め込みと政治的バイアス検出モデルであるDocNetを紹介する。
文書レベルのグラフ埋め込みに代表される、対立する政治的側からのニュース記事の意味的構造は、大きな類似性を持っていることを実証する。
論文 参考訳(メタデータ) (2024-06-16T14:51:12Z) - Crossing the Aisle: Unveiling Partisan and Counter-Partisan Events in
News Reporting [7.8192232188516115]
我々は,メディアがニュース報道のバランスを保ち,イベント包摂や欠席を通じて消費者に影響を与える程度について検討する。
まず、パルチザンと反パルチザンの両方を検知するタスクを紹介する。
以上の結果から,ニュースが微妙に意見を形成する方法と,大規模言語モデルの必要性の両方が浮かび上がっている。
論文 参考訳(メタデータ) (2023-10-28T17:50:13Z) - 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) - GREENER: Graph Neural Networks for News Media Profiling [24.675574340841163]
本稿では,ウェブ上でのニュースメディアのプロファイリングの問題について,その実態と偏見について考察する。
私たちの主な焦点は、オーディエンスの重複に基づいて、メディア間の類似性をモデル化することにあります。
予測精度は2つのタスクに対して2.5-27マクロF1ポイント向上した。
論文 参考訳(メタデータ) (2022-11-10T12:46:29Z) - NeuS: Neutral Multi-News Summarization for Mitigating Framing Bias [54.89737992911079]
様々な政治スペクトルの複数のニュース見出しから中立的な要約を生成する新しい課題を提案する。
最も興味深い観察の1つは、生成モデルは、事実的に不正確なコンテンツや検証不可能なコンテンツだけでなく、政治的に偏ったコンテンツにも幻覚を与えることができることである。
論文 参考訳(メタデータ) (2022-04-11T07:06:01Z) - Mundus vult decipi, ergo decipiatur: Visual Communication of Uncertainty
in Election Polls [56.8172499765118]
我々は、今放送と予測におけるバイアスの潜在的な源について論じる。
概念は、誤認識された正確性の問題を軽減するために提示される。
主要なアイデアの1つは、パーティーシェアではなくイベントの確率を使うことである。
論文 参考訳(メタデータ) (2021-04-28T07:02:24Z) - Political audience diversity and news reliability in algorithmic ranking [54.23273310155137]
本稿では,ウェブサイトのオーディエンスの政治的多様性を質の指標として活用することを提案する。
ドメインの専門家によるニュースソースの信頼性評価と6,890人の米国市民の多様なサンプルによるWebブラウジングデータを用いて、より極端な、政治的に多様性の低いWebサイトが、ジャーナリストの基準を低くしていることを示す。
論文 参考訳(メタデータ) (2020-07-16T02:13:55Z) - Out of the Echo Chamber: Detecting Countering Debate Speeches [18.321466611103684]
討論演説の文脈でその問題を研究する。
我々は、同じ話題に関する一連のスピーチの中から、反対のスタンスで、直接それに対応するものを特定することを目的としている。
この課題に対処するアルゴリズムをいくつか検討し、一部は成功したが、いずれも熟練した人間のパフォーマンスに欠ける。
論文 参考訳(メタデータ) (2020-05-03T18:02:10Z)
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。