論文の概要: NeuS: Neutral Multi-News Summarization for Mitigating Framing Bias

• arxiv url: http://arxiv.org/abs/2204.04902v1
• Date: Mon, 11 Apr 2022 07:06:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-13 03:34:21.358397
• Title: NeuS: Neutral Multi-News Summarization for Mitigating Framing Bias
• Title（参考訳）: NeuS: フラーミングバイアスの緩和のためのニュートラルマルチニューズ要約
• Authors: Nayeon Lee, Yejin Bang, Tiezheng Yu, Andrea Madotto, Pascale Fung
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 54.89737992911079
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Media framing bias can lead to increased political polarization, and thus, the need for automatic mitigation methods is growing. We propose a new task, a neutral summary generation from multiple news headlines of the varying political spectrum, to facilitate balanced and unbiased news reading. In this paper, we first collect a new dataset, obtain some insights about framing bias through a case study, and propose a new effective metric and models for the task. Lastly, we conduct experimental analyses to provide insights about remaining challenges and future directions. One of the most interesting observations is that generation models can hallucinate not only factually inaccurate or unverifiable content, but also politically biased content.
• Abstract（参考訳）: メディアフレーミングバイアスは、政治的分極の増大につながる可能性があるため、自動緩和法の必要性が高まっている。 本稿では、政治的スペクトルの異なる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タスクを提案し、バランスのとれたニュース読解を容易にする。 本稿では,まず新たなデータセットを収集し,ケーススタディを通じてバイアスのフレーミングに関する洞察を得た上で,そのタスクに有効なメトリクスとモデルを提案する。 最後に,残る課題と今後の方向性について,実験分析を行った。 最も興味深い観察の1つは、生成モデルが事実的に不正確なコンテンツや検証不能なコンテンツだけでなく、政治的に偏ったコンテンツも提示できることである。

関連論文リスト

• P^3SUM: Preserving Author's Perspective in News Summarization with Diffusion Language Models [57.571395694391654]
  既存のアプローチは、要約の50%以上で、ニュース記事の政治的意見やスタンスを変えている。 政治的視点分類器によって制御される拡散モデルに基づく要約手法であるP3SUMを提案する。 3つのニュース要約データセットの実験により、P3SUMは最先端の要約システムより優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-16T10:14:28Z)
• 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)
• 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)
• 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)
• Enabling News Consumers to View and Understand Biased News Coverage: A Study on the Perception and Visualization of Media Bias [7.092487352312782]
  手動で3つのアノテートデータセットを作成し、さまざまな視覚化戦略をテストする。 その結果, 対照群と比較して, 治療群の偏見に気付く効果は認められなかった。 多段階モデルを用いて、ジャーナリストの偏見は、記事の政治的極性や公平性に大きく関係していることがわかった。
  論文  参考訳（メタデータ） (2021-05-20T10:16:54Z)
• 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)
• Mitigating Media Bias through Neutral Article Generation [39.29914845102368]
  既存の緩和作業は、複数のニュースアウトレットからの記事を表示し、多様なニュースカバレッジを提供しますが、表示された各記事に固有のバイアスを中和しません。 我々は,複数の偏りのある記事から単一の中性化記事を生成する新しいタスクを提案し,バランスのとれた情報や偏りのない情報へのアクセスをより効率的にする。
  論文  参考訳（メタデータ） (2021-04-01T08:37:26Z)
• Analyzing Political Bias and Unfairness in News Articles at Different Levels of Granularity [35.19976910093135]
  本論文では, 偏見の自動検出だけでなく, 政治的偏見や不公平さが言語的にどのように表現されるかについても検討する。 我々は,adfontesmedia.comから派生したラベル付き6964ニュース記事の新しいコーパスを活用し,バイアス評価のためのニューラルモデルを開発した。
  論文  参考訳（メタデータ） (2020-10-20T22:25:00Z)
• We Can Detect Your Bias: Predicting the Political Ideology of News Articles [35.761722515882646]
  我々は、政治的イデオロギーのために手動で注釈付けされた34,737項目のデータセットを公表した。 私たちは、テスト例がトレーニング中に見られなかったメディアから得られる、挑戦的な実験的なセットアップを使用しています。 実験結果から,最先端の事前学習型トランスに比べて非常に大きな改善が得られた。
  論文  参考訳（メタデータ） (2020-10-11T20:27:55Z)

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。