論文の概要: 'If you build they will come': Automatic Identification of
News-Stakeholders to detect Party Preference in News Coverage
- arxiv url: http://arxiv.org/abs/2212.08864v1
- Date: Sat, 17 Dec 2022 13:08:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-20 15:09:27.653589
- Title: 'If you build they will come': Automatic Identification of
News-Stakeholders to detect Party Preference in News Coverage
- Title（参考訳）: 「作れば来る」:ニュース記事における党の選好を検知するニュース保有者の自動識別
- Authors: Alapan Kuila and Sudeshna Sarkar
- Abstract要約: 本稿では、文脈情報と外部知識の両方を用いて、ニュース記事からトピック固有の利害関係者を識別する。
我々は、多くの国や国際機関が発行する4つのインド政府の政策に関するニュース記事について、全ての実験を行った。
- 参考スコア（独自算出の注目度）: 1.0787390511207684
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The coverage of different stakeholders mentioned in the news articles
significantly impacts the slant or polarity detection of the concerned news
publishers. For instance, the pro-government media outlets would give more
coverage to the government stakeholders to increase their accessibility to the
news audiences. In contrast, the anti-government news agencies would focus more
on the views of the opponent stakeholders to inform the readers about the
shortcomings of government policies. In this paper, we address the problem of
stakeholder extraction from news articles and thereby determine the inherent
bias present in news reporting. Identifying potential stakeholders in
multi-topic news scenarios is challenging because each news topic has different
stakeholders. The research presented in this paper utilizes both contextual
information and external knowledge to identify the topic-specific stakeholders
from news articles. We also apply a sequential incremental clustering algorithm
to group the entities with similar stakeholder types. We carried out all our
experiments on news articles on four Indian government policies published by
numerous national and international news agencies. We also further generalize
our system, and the experimental results show that the proposed model can be
extended to other news topics.
- Abstract（参考訳）: ニュース記事で言及された様々な利害関係者の報道は、関係するニュース出版社のスラントや極性の検出に大きな影響を及ぼす。
例えば、政府寄りのメディアは、ニュースオーディエンスへのアクセシビリティを高めるために、政府の利害関係者により多くの報道を提供する。
対照的に、反政府報道機関は、対立する利害関係者の見解に注目して、政府の政策の欠点について読者に伝える。
本稿では,ニュース記事からの利害関係者抽出の問題に対処し,ニュース報道に内在する固有のバイアスを決定する。
ニューストピックごとに利害関係者が異なるため、マルチトピックニュースシナリオにおける潜在的な利害関係者の特定は難しい。
本稿では,文脈情報と外部知識の両方を用いて,ニュース記事からトピック固有のステークホルダーを特定する。
また,類似した利害関係者タイプを持つエンティティをグループ化するために,逐次的クラスタリングアルゴリズムを適用した。
我々は、多くの国や国際機関が発行する4つのインド政府の政策に関するニュース記事について、全ての実験を行った。
また,本システムをさらに一般化し,提案モデルが他のニューストピックにも拡張可能であることを示す実験結果を得た。
関連論文リスト
- From Text to Context: An Entailment Approach for News Stakeholder Classification [0.5459032912385802]
本稿では,新聞記事の利害関係者のタイプを分類するための効果的なアプローチを提案する。
提案手法では,利害関係者の分類問題を自然言語推論タスクに変換する。
提案モデルでは、ゼロショット設定で有効性を示し、その適用性を様々なニュースコンテキストに拡張する。
論文 参考訳（メタデータ） (2024-05-14T16:35:21Z) - News and Misinformation Consumption in Europe: A Longitudinal
Cross-Country Perspective [49.1574468325115]
本研究では,欧州4カ国における情報消費について検討した。
フランス、ドイツ、イタリア、イギリスのニュースメディアアカウントから3年間のTwitter活動を分析した。
信頼性のある情報源が情報ランドスケープを支配していることを示しているが、信頼性の低いコンテンツは依然としてすべての国に存在している。
論文 参考訳（メタデータ） (2023-11-09T16:22:10Z) - 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) - Nothing Stands Alone: Relational Fake News Detection with Hypergraph
Neural Networks [49.29141811578359]
本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。
提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
論文 参考訳（メタデータ） (2022-12-24T00:19:32Z) - Newsalyze: Effective Communication of Person-Targeting Biases in News
Articles [8.586057042714698]
本稿では,自然言語理解の最先端手法を組み合わせたバイアス識別システムを提案する。
第2に,非専門家のニュース消費者にニュース記事のバイアスを伝えるために,バイアスに敏感な可視化を考案する。
第3に、私たちの主な貢献は、日々のニュース消費を近似した設定においてバイアス認識を測定する大規模なユーザスタディです。
論文 参考訳（メタデータ） (2021-10-18T10:23:19Z) - How to Effectively Identify and Communicate Person-Targeting Media Bias
in Daily News Consumption? [8.586057042714698]
本稿では,コンテンツ分析のマニュアル処理を初めて自動化した,ニュースレコメンデーションのためのインプログレスシステムを提案する。
我々の推薦者は、個々のニュース記事に実際に存在している重要なフレームを検出し、明らかにする。
本研究は,イベントの異なる設定のニュース記事の推薦が,バイアスに対する意識を著しく向上させることを示す。
論文 参考訳（メタデータ） (2021-10-18T10:13:23Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z)
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。