論文の概要: GREENER: Graph Neural Networks for News Media Profiling
- arxiv url: http://arxiv.org/abs/2211.05533v1
- Date: Thu, 10 Nov 2022 12:46:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 14:01:26.873105
- Title: GREENER: Graph Neural Networks for News Media Profiling
- Title（参考訳）: GREENER:ニュースメディアプロファイリングのためのグラフニューラルネットワーク
- Authors: Panayot Panayotov, Utsav Shukla, Husrev Taha Sencar, Mohamed Nabeel,
Preslav Nakov
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 24.675574340841163
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study the problem of profiling news media on the Web with respect to their
factuality of reporting and bias. This is an important but under-studied
problem related to disinformation and "fake news" detection, but it addresses
the issue at a coarser granularity compared to looking at an individual article
or an individual claim. This is useful as it allows to profile entire media
outlets in advance. Unlike previous work, which has focused primarily on text
(e.g.,~on the text of the articles published by the target website, or on the
textual description in their social media profiles or in Wikipedia), here our
main focus is on modeling the similarity between media outlets based on the
overlap of their audience. This is motivated by homophily considerations,
i.e.,~the tendency of people to have connections to people with similar
interests, which we extend to media, hypothesizing that similar types of media
would be read by similar kinds of users. In particular, we propose GREENER
(GRaph nEural nEtwork for News mEdia pRofiling), a model that builds a graph of
inter-media connections based on their audience overlap, and then uses graph
neural networks to represent each medium. We find that such representations are
quite useful for predicting the factuality and the bias of news media outlets,
yielding improvements over state-of-the-art results reported on two datasets.
When augmented with conventionally used representations obtained from news
articles, Twitter, YouTube, Facebook, and Wikipedia, prediction accuracy is
found to improve by 2.5-27 macro-F1 points for the two tasks.
- Abstract（参考訳）: 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。
これは、偽情報や「フェイクニュース」検出に関連する重要な問題であるが、個々の記事や個々のクレームを見るよりも、より粗い粒度で問題に対処する。
これは、メディアコンセント全体を事前にプロファイルできるので便利だ。
主にテキスト(例えば、ターゲットのウェブサイトで公開された記事のテキストや、ソーシャルメディアのプロフィールやwikipediaでのテキスト記述など)に焦点を当てた以前の作品とは異なり、ここでは、オーディエンスの重複に基づいて、メディアアウトレット間の類似性をモデル化することに重点を置いています。
これは、ホモフィリーな考慮、すなわち、人々が同様の関心を持つ人々とつながりを持つ傾向によって動機付けられ、我々がメディアに拡張し、同様のタイプのメディアが同様の種類のユーザーによって読まれると仮定する。
特にgreener(graph neural network for news media profiles)を提案する。greener(graph neural network for news media profiles)は、メディア間接続のグラフをオーディエンス重複に基づいて構築し、各メディアをグラフニューラルネットワークで表現するモデルである。
これらの表現は、ニュースメディアの事実と偏見を予測するのに非常に有用であり、2つのデータセットで報告された最先端の結果よりも改善されている。
ニュース記事、Twitter、YouTube、Facebook、Wikipediaから得られた従来の表現を付加すると、予測精度は2つのタスクで2.5-27のマクロF1ポイント向上する。
関連論文リスト
- 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) - DocNet: Semantic Structure in Inductive Bias Detection Models [0.4779196219827508]
本稿では,文書におけるバイアス検出の見過ごされがちな側面として,ニュース記事の意味的構造について考察する。
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バイアス検出モデルであるDocNetを提案する。
また、文書レベルのグラフ埋め込みに代表される、対立するパルチザン側からのニュース記事のセマンティック構造が顕著に類似していることも示している。
論文 参考訳（メタデータ） (2024-06-16T14:51:12Z) - ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-05-23T16:40:07Z) - 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) - Computational Assessment of Hyperpartisanship in News Titles [55.92100606666497]
われわれはまず、超党派ニュースタイトル検出のための新しいデータセットを開発するために、人間の誘導する機械学習フレームワークを採用する。
全体的に右派メディアは比例的に超党派的なタイトルを使う傾向にある。
我々は、外国問題、政治システム、ニュースタイトルにおける過党主義を示唆する社会問題を含む3つの主要なトピックを識別する。
論文 参考訳（メタデータ） (2023-01-16T05:56:58Z) - 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) - Inference of Media Bias and Content Quality Using Natural-Language
Processing [6.092956184948962]
本稿では、メディアの政治バイアスとコンテンツ品質の両方をテキストから推測する枠組みを提案する。
我々は,100万ツイート以上のデータセットに対して,双方向長短期記憶(LSTM)ニューラルネットワークを適用した。
この結果から,テキスト分析における単語順序の学習手法への活用の重要性が示唆された。
論文 参考訳（メタデータ） (2022-12-01T03:04:55Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - MBIC -- A Media Bias Annotation Dataset Including Annotator
Characteristics [0.0]
メディア偏見、あるいはスライスされたニュース報道は、出来事に対する大衆の認識に重大な影響を与える可能性がある。
本稿では,自己開発アノテーションプラットフォームを用いて,そのようなデータをクラウドソーシングするための行列ベースの方法論を提案する。
メディアバイアスの事例を表す1,700のステートメントの最初のサンプルであるMBICも提示する。
論文 参考訳（メタデータ） (2021-05-20T15:05:17Z) - Content-based Analysis of the Cultural Differences between TikTok and
Douyin [95.32409577885645]
ショートフォームのソーシャルメディアは、聴衆にダイナミックなストーリーを伝え、彼らの注意を引き付けることによって、伝統的なメディアパラダイムから遠ざかる。
特に、興味深く、理解しやすいユニークなシーンを表現するために、日常的なオブジェクトの異なる組み合わせを用いることができる。
同じ会社によって提供されたTikTokとDouyinは、近年人気になった新しいメディアの好例だ。
メディアファッションや社会的慣用性とともに文化的な違いを表現しているという仮説が,本研究の主目的である。
論文 参考訳（メタデータ） (2020-11-03T01:47:49Z) - How-to Present News on Social Media: A Causal Analysis of Editing News
Headlines for Boosting User Engagement [14.829079057399838]
我々は,メディアの現在の実践をデータ駆動アプローチを用いて分析する。
8つのメディアが共有するオリジナルニュース記事とそれに対応するつぶやきの並列コーパスを構築します。
そして、これらのメディアがオリジナルの見出しに対してツイートを編集し、そうした変化の影響について検討する。
論文 参考訳（メタデータ） (2020-09-17T06:39:49Z)
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。