論文の概要: Identifying Informational Sources in News Articles
- arxiv url: http://arxiv.org/abs/2305.14904v1
- Date: Wed, 24 May 2023 08:56:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-25 17:52:36.116602
- Title: Identifying Informational Sources in News Articles
- Title（参考訳）: ニュース記事中の情報ソースの特定
- Authors: Alexander Spangher, Nanyun Peng, Jonathan May, Emilio Ferrara
- Abstract要約: 我々は、ニュース執筆に使用される情報ソースの、最大かつ最も広範囲にアノテートされたデータセットを構築した。
本稿では,ニュース記事中のソースの構成性を研究するための新しいタスクであるソース予測を導入する。
- 参考スコア（独自算出の注目度）: 109.70475599552523
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: News articles are driven by the informational sources journalists use in
reporting. Modeling when, how and why sources get used together in stories can
help us better understand the information we consume and even help journalists
with the task of producing it. In this work, we take steps toward this goal by
constructing the largest and widest-ranging annotated dataset, to date, of
informational sources used in news writing. We show that our dataset can be
used to train high-performing models for information detection and source
attribution. We further introduce a novel task, source prediction, to study the
compositionality of sources in news articles. We show good performance on this
task, which we argue is an important proof for narrative science exploring the
internal structure of news articles and aiding in planning-based language
generation, and an important step towards a source-recommendation system to aid
journalists.
- Abstract（参考訳）: ニュース記事はジャーナリストが報道に使用する情報ソースによって駆動される。
ソースがストーリーでいつ、どのように、なぜ一緒に使われるかのモデリングは、私たちが消費する情報をよりよく理解するのに役立ちます。
本研究では,この目的に向けて,ニュース執筆に使用される情報ソースの最大かつ最も広範囲にアノテートされたデータセットを構築する。
当社のデータセットは,情報検出とソース帰属のための高パフォーマンスモデルのトレーニングに使用できることを示す。
さらに,ニュース記事のソースの構成性を研究するための新たなタスクであるソース予測を導入する。
本稿は,ニュース記事の内部構造を探求し,計画に基づく言語生成を支援する物語科学にとって重要な証明であり,ジャーナリストを支援するためのソースレコメンデーションシステムに向けた重要なステップであると考えている。
関連論文リスト
- SciNews: From Scholarly Complexities to Public Narratives -- A Dataset for Scientific News Report Generation [20.994565065595232]
我々は、科学ニュースの自動生成を容易にするための新しいコーパスを提示する。
本データセットは,9分野にわたる学術出版物と,それに対応する科学報告から構成される。
我々は、最先端のテキスト生成モデルを用いてデータセットをベンチマークする。
論文 参考訳（メタデータ） (2024-03-26T14:54:48Z) - Envisioning the Applications and Implications of Generative AI for News
Media [4.324021238526106]
本稿では,ニュースルームにおけるアルゴリズムによる意思決定支援システムと合成メディアの利用の増加について考察する。
我々は、ニュース制作に関わるタスクの分類から導き、生成モデルが記者を適切に支援できる場所について議論する。
我々のエッセイは、異なるタスクをサポートするために生成AIシステムを利用することを検討する実践者や研究者に関係している。
論文 参考訳（メタデータ） (2024-02-29T03:40:25Z) - From Nuisance to News Sense: Augmenting the News with Cross-Document
Evidence and Context [25.870137795858522]
本稿では,複数のニュース記事からの情報を中心的な話題に集め統合するための,新しいセンスメイキングツールと読書インタフェースであるNEWSSENSEを紹介する。
NEWSSENSEは、異なるソースからの関連記事にリンクすることで、ユーザの選択を集中的に根拠づけた記事を強化する。
我々のパイロット研究は、NEWSSENSEがユーザーが重要な情報を識別し、ニュース記事の信頼性を確認し、異なる視点を探索するのに役立つ可能性を示唆している。
論文 参考訳（メタデータ） (2023-10-06T21:15:11Z) - 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) - Why Do We Click: Visual Impression-aware News Recommendation [108.73539346064386]
この作品は、ユーザーがニュースを閲覧する際に感じる視覚的印象に基づいてクリック決定を行うという事実にインスパイアされている。
本稿では,ニュースレコメンデーションのためのビジュアル・セマンティック・モデリングを用いて,このような視覚印象情報を捉えることを提案する。
さらに、グローバルな視点から印象を検査し、異なるフィールドの配置や印象に対する異なる単語の空間的位置などの構造情報を抽出する。
論文 参考訳（メタデータ） (2021-09-26T16:58:14Z) - CitationIE: Leveraging the Citation Graph for Scientific Information
Extraction [89.33938657493765]
引用論文と引用論文の参照リンクの引用グラフを使用する。
最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
論文 参考訳（メタデータ） (2021-06-03T03:00:12Z) - Hidden Biases in Unreliable News Detection Datasets [60.71991809782698]
データ収集中の選択バイアスがデータセットの望ましくないアーティファクトにつながることを示す。
クリーンスプリットでテストされたすべてのモデルに対して,列車/テストソースの重なりが無く,精度が大幅に低下した(>10%)。
将来的なデータセット生成には、困難/バイアスプローブとしての単純なモデルと、クリーンな非重複サイトと日付分割を使用する将来のモデル開発が含まれることを提案する。
論文 参考訳（メタデータ） (2021-04-20T17:16:41Z) - "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)
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。