論文の概要: SciLander: Mapping the Scientific News Landscape
- arxiv url: http://arxiv.org/abs/2205.07970v1
- Date: Mon, 16 May 2022 20:20:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 16:56:41.581644
- Title: SciLander: Mapping the Scientific News Landscape
- Title（参考訳）: SciLander:科学ニュースの風景をマッピングする
- Authors: Maur\'icio Gruppi, Panayiotis Smeros, Sibel Adal{\i}, Carlos Castillo,
Karl Aberer
- Abstract要約: 本稿では,SciLanderについて紹介する。SciLanderは,科学に基づくトピックに関するニュースソースの表現を学習する手法である。
我々は,2020年のパンデミック開始から18ヶ月の期間にわたって,500件の情報源から100万件近いニュース記事を含む,新たな新型コロナウイルスデータセットについて評価を行った。
- 参考スコア（独自算出の注目度）: 8.504643390943409
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The COVID-19 pandemic has fueled the spread of misinformation on social media
and the Web as a whole. The phenomenon dubbed `infodemic' has taken the
challenges of information veracity and trust to new heights by massively
introducing seemingly scientific and technical elements into misleading
content. Despite the existing body of work on modeling and predicting
misinformation, the coverage of very complex scientific topics with inherent
uncertainty and an evolving set of findings, such as COVID-19, provides many
new challenges that are not easily solved by existing tools. To address these
issues, we introduce SciLander, a method for learning representations of news
sources reporting on science-based topics. SciLander extracts four
heterogeneous indicators for the news sources; two generic indicators that
capture (1) the copying of news stories between sources, and (2) the use of the
same terms to mean different things (i.e., the semantic shift of terms), and
two scientific indicators that capture (1) the usage of jargon and (2) the
stance towards specific citations. We use these indicators as signals of source
agreement, sampling pairs of positive (similar) and negative (dissimilar)
samples, and combine them in a unified framework to train unsupervised news
source embeddings with a triplet margin loss objective. We evaluate our method
on a novel COVID-19 dataset containing nearly 1M news articles from 500 sources
spanning a period of 18 months since the beginning of the pandemic in 2020. Our
results show that the features learned by our model outperform state-of-the-art
baseline methods on the task of news veracity classification. Furthermore, a
clustering analysis suggests that the learned representations encode
information about the reliability, political leaning, and partisanship bias of
these sources.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックにより、ソーシャルメディアやウェブ全体に誤報が広まっている。
インフォデミック」と呼ばれるこの現象は、一見科学的、技術的な要素を誤解を招くコンテンツに大量に導入することで、情報検証と信頼の新たな高みへの挑戦を生んだ。
誤情報モデリングと予測に関する既存の取り組みにもかかわらず、固有の不確実性を伴う非常に複雑な科学的トピックのカバレッジと、COVID-19のような発見の進化は、既存のツールで簡単には解決できない多くの新しい課題をもたらしている。
これらの問題に対処するために,scilanderを紹介する。scilanderは科学的な話題を報道するニュースソースの表現を学習する手法だ。
SciLanderは4つの異種指標を抽出し、(1)ソース間のニュース記事のコピーを捉える2つの一般的な指標、(2)異なるもの(すなわち用語の意味的変化)を表す同じ用語の使用、および(1)ジャーゴンの使用を捉える2つの科学的指標と(2)特定の引用に対する姿勢を捉える2つの科学的指標を抽出する。
これらの指標をソース合意のシグナルとして使用し、正(類似)と負(類似)のサンプルのペアをサンプリングし、教師なしのニュースソース埋め込みを3倍のマージン損失目標でトレーニングするための統一フレームワークでそれらを組み合わせる。
我々は,2020年のパンデミック開始から18ヶ月の期間にわたって,500件の情報源から100万件近いニュース記事を含む,新たな新型コロナウイルスデータセットについて評価を行った。
以上の結果から,本モデルで得られた特徴は,ニュース精度分類のタスクにおいて,最先端のベースライン手法よりも優れていた。
さらに、クラスタリング分析により、学習された表現は、これらの情報源の信頼性、政治的傾倒、および党派的偏見に関する情報を符号化することを示した。
関連論文リスト
- Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。
疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。
実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
論文 参考訳（メタデータ） (2024-11-20T00:43:32Z) - Mapping the Media Landscape: Predicting Factual Reporting and Political Bias Through Web Interactions [0.7249731529275342]
本稿では,最近発表されたニュースメディアの信頼性評価手法の拡張を提案する。
大規模ニュースメディアハイパーリンクグラフ上での4つの強化学習戦略の分類性能を評価する。
本実験は,2つの難解なバイアス記述子,事実報告と政治的偏見を対象とし,情報源メディアレベルでの大幅な性能向上を示した。
論文 参考訳（メタデータ） (2024-10-23T08:18:26Z) - Knowledge Graph Representation for Political Information Sources [16.959319157216466]
我々は、Britbart News(BN)とNew York Times(NYT)の2つのニュースポータルから収集されたデータを分析する。
本研究は,BNおよびNYTメディアポータルから収集した11.5年間のデータセットを用いて,知識グラフを用いて行った。
論文 参考訳（メタデータ） (2024-04-04T13:36:01Z) - Can Large Language Models Detect Misinformation in Scientific News
Reporting? [1.0344642971058586]
本稿では,科学的報告における誤情報の検出に大規模言語モデル(LLM)を用いることが可能であるかを検討する。
最初にラベル付きデータセットSciNewsを提示し、信頼できない情報源から抜粋された2.4万の科学ニュース記事を含む。
科学ニュース記事の科学的妥当性の次元を識別し、科学的誤報の自動検出にどのように組み込むかを検討する。
論文 参考訳（メタデータ） (2024-02-22T04:07:00Z) - 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) - 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) - "Don't quote me on that": Finding Mixtures of Sources in News Articles [85.92467549469147]
各ソースのtextitaffiliationとtextitroleに基づいてソースのオントロジーラベリングシステムを構築します。
これらの属性を名前付きソースに推論し、ニュース記事をこれらのソースの混合物として記述する確率モデルを構築します。
論文 参考訳（メタデータ） (2021-04-19T21:57:11Z) - On Representation Learning for Scientific News Articles Using
Heterogeneous Knowledge Graphs [4.186267062202487]
本稿では,科学ニュース記事と引用科学出版物との有向グラフをモデル化し,科学ニュース記事表現を作成する手法を提案する。
その結果、知識追跡と科学的ニュース信頼性評価の分野におけるグラフニューラルネットワークアプローチの有望な応用が示された。
論文 参考訳（メタデータ） (2021-04-12T23:46:54Z) - What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。
本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。
本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文 参考訳（メタデータ） (2020-11-06T02:23:01Z) - Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。
敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。
ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
論文 参考訳（メタデータ） (2020-09-16T14:13:15Z)
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。