論文の概要: Discord Questions: A Computational Approach To Diversity Analysis in News Coverage

• arxiv url: http://arxiv.org/abs/2211.05007v1
• Date: Wed, 9 Nov 2022 16:37:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 16:46:29.450742
• Title: Discord Questions: A Computational Approach To Diversity Analysis in News Coverage
• Title（参考訳）: Discord Questions:ニュース報道における多様性分析への計算的アプローチ
• Authors: Philippe Laban, Chien-Sheng Wu, Lidiya Murakhovs'ka, Xiang 'Anthony' Chen, Caiming Xiong
• Abstract要約: 本稿では,情報源の違いを識別し,ニュース報道の多様性を理解する上で,読者を支援する新しい枠組みを提案する。 このフレームワークはDiscord Questionsの生成に基づいている。
• 参考スコア（独自算出の注目度）: 84.55145223950427
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There are many potential benefits to news readers accessing diverse sources. Modern news aggregators do the hard work of organizing the news, offering readers a plethora of source options, but choosing which source to read remains challenging. We propose a new framework to assist readers in identifying source differences and gaining an understanding of news coverage diversity. The framework is based on the generation of Discord Questions: questions with a diverse answer pool, explicitly illustrating source differences. To assemble a prototype of the framework, we focus on two components: (1) discord question generation, the task of generating questions answered differently by sources, for which we propose an automatic scoring method, and create a model that improves performance from current question generation (QG) methods by 5%, (2) answer consolidation, the task of grouping answers to a question that are semantically similar, for which we collect data and repurpose a method that achieves 81% balanced accuracy on our realistic test set. We illustrate the framework's feasibility through a prototype interface. Even though model performance at discord QG still lags human performance by more than 15%, generated questions are judged to be more interesting than factoid questions and can reveal differences in the level of detail, sentiment, and reasoning of sources in news coverage.
• Abstract（参考訳）: さまざまなソースにアクセスするニュース読者には、潜在的なメリットが多数ある。 現代のニュースアグリゲータは、ニュースを整理し、読者に大量のソースオプションを提供するが、どのソースを読むかは依然として難しい。 本稿では,情報源の差異を識別し,ニュースカバレッジの多様性を理解するための新しいフレームワークを提案する。 このフレームワークは、さまざまな回答プールを持つ不一致な質問の生成に基づいており、ソースの違いを明確に示している。 To assemble a prototype of the framework, we focus on two components: (1) discord question generation, the task of generating questions answered differently by sources, for which we propose an automatic scoring method, and create a model that improves performance from current question generation (QG) methods by 5%, (2) answer consolidation, the task of grouping answers to a question that are semantically similar, for which we collect data and repurpose a method that achieves 81% balanced accuracy on our realistic test set. プロトタイプインターフェースを通じてフレームワークの実現可能性を説明します。 discord qgのモデルパフォーマンスは依然として人間のパフォーマンスを15%以上遅れているが、生成された質問は事実的な質問よりも興味深いと判断され、ニュース報道の情報源の細部、感情、推論のレベルの違いを明らかにすることができる。

関連論文リスト

• Improving Question Generation with Multi-level Content Planning [70.37285816596527]
  本稿では、与えられたコンテキストと回答から質問を生成する問題に対処し、特に拡張されたコンテキストをまたいだマルチホップ推論を必要とする質問に焦点をあてる。 具体的には、キーフレーズを同時に選択して完全な回答を生成するFA-modelと、生成した全回答を付加的な入力として取り込んだQ-modelの2つのコンポーネントを含む。
  論文  参考訳（メタデータ） (2023-10-20T13:57:01Z)
• Evaluating and Modeling Attribution for Cross-Lingual Question Answering [80.4807682093432]
  この研究は、言語間質問応答の属性を初めて研究したものである。 我々は、5つの言語でデータを収集し、最先端の言語間QAシステムの属性レベルを評価する。 回答のかなりの部分は、検索されたどのパスにも帰属しないことがわかった。
  論文  参考訳（メタデータ） (2023-05-23T17:57:46Z)
• 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)
• DIFFQG: Generating Questions to Summarize Factual Changes [41.142542919449355]
  本稿では,ペア化された文書間の事実変化を質問応答ペアとして表現する。 DIFFQGは、759のQAペアと1153のペアパスの実際の変更のない例で構成されている。
  論文  参考訳（メタデータ） (2023-03-01T05:45:48Z)
• CONSISTENT: Open-Ended Question Generation From News Articles [38.41162895492449]
  オープンな質問を生成するための新しいエンドツーエンドシステムであるConSISTENTを提案する。 我々は,自動評価と人的評価の両方を用いて,複数のベースライン上でのモデルの強さを実証する。 ニュースメディア組織におけるダウンストリーム応用の可能性について論じる。
  論文  参考訳（メタデータ） (2022-10-20T19:10:07Z)
• MixQG: Neural Question Generation with Mixed Answer Types [54.23205265351248]
  このギャップを埋めるために、ニューラル質問生成器MixQGを提案する。 yes/no, multiple-choice, extractive, abstractive answerなど,9つの質問応答データセットと多様な回答タイプを組み合わせる。 私たちのモデルは、目に見えない領域と見えない領域の両方で、既存の作業より優れています。
  論文  参考訳（メタデータ） (2021-10-15T16:03:40Z)
• "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)
• Generating Diversified Comments via Reader-Aware Topic Modeling and Saliency Detection [25.16392119801612]
  生成したコメントの質を高めるために,読者が認識するトピックモデリングとサリエンシー情報検出フレームワークを提案する。 読者対応トピックモデリングのために,読者コメントからの潜在意味学習と話題マイニングのための変分生成クラスタリングアルゴリズムを設計した。 サリエンシー情報検出のために、ニュースコンテンツを推定してサリエンシー情報を選択するBernoulli分布について紹介します。
  論文  参考訳（メタデータ） (2021-02-13T03:50:31Z)
• Multi-hop Inference for Question-driven Summarization [39.08269647808958]
  本稿では,新しい質問駆動抽象要約手法であるMulti-hop Selective Generator (MSG)を提案する。 MSGは、マルチホップ推論を質問駆動要約に取り入れ、生成した要約の正当化を提供する。 実験結果から,提案手法は2つの非ファクトイドQAデータセット上で常に最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2020-10-08T02:36:39Z)

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。