論文の概要: Mitigating Framing Bias with Polarity Minimization Loss

• arxiv url: http://arxiv.org/abs/2311.01817v1
• Date: Fri, 3 Nov 2023 09:50:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-06 14:35:55.995133
• Title: Mitigating Framing Bias with Polarity Minimization Loss
• Title（参考訳）: 極性最小化損失を伴うフラーミングバイアスの緩和
• Authors: Yejin Bang, Nayeon Lee, Pascale Fung
• Abstract要約: 偏見バイアスは、実際の出来事の知覚を歪ませることによって政治的分極を悪化させる重要な役割を担っている。 そこで本研究では,フレーミングバイアスを低減するために,偏光入力項目間の極性差を最小限に抑える新たな損失関数を提案する。
• 参考スコア（独自算出の注目度）: 56.24404488440295
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Framing bias plays a significant role in exacerbating political polarization by distorting the perception of actual events. Media outlets with divergent political stances often use polarized language in their reporting of the same event. We propose a new loss function that encourages the model to minimize the polarity difference between the polarized input articles to reduce framing bias. Specifically, our loss is designed to jointly optimize the model to map polarity ends bidirectionally. Our experimental results demonstrate that incorporating the proposed polarity minimization loss leads to a substantial reduction in framing bias when compared to a BART-based multi-document summarization model. Notably, we find that the effectiveness of this approach is most pronounced when the model is trained to minimize the polarity loss associated with informational framing bias (i.e., skewed selection of information to report).
• Abstract（参考訳）: フレーミングバイアスは、実際の出来事の知覚を歪めることによって政治的分極を悪化させる重要な役割を担っている。 政治的スタンスが異なるメディアは、同じ出来事を報告する際にしばしば偏極言語を使用する。 本研究では,フラーミングバイアスを低減するために,偏波入力記事間の極性差を最小化する新たな損失関数を提案する。 具体的には,両極性を双方向にマップするモデルを共同で最適化する。 実験の結果,提案する極性最小化損失は,bartベースのマルチドキュメント要約モデルと比較して,フレーミングバイアスが大幅に減少することが示された。 特に,本手法の有効性は,情報フレーミングバイアスに伴う極性損失(すなわち,報告する情報の選び分け)を最小限に抑えるために,モデルが訓練された場合に最も顕著である。

関連論文リスト

• Looking at Model Debiasing through the Lens of Anomaly Detection [11.113718994341733]
  ディープニューラルネットワークはデータのバイアスに敏感である。 本稿では,異常検出に基づく新しいバイアス同定手法を提案する。 合成および実際のベンチマークデータセット上で、最先端のパフォーマンスに到達する。
  論文  参考訳（メタデータ） (2024-07-24T17:30:21Z)
• Bias-Conflict Sample Synthesis and Adversarial Removal Debias Strategy for Temporal Sentence Grounding in Video [67.24316233946381]
  TSGV(Temporal Sentence Grounding in Video)は、データセットバイアスの問題に悩まされている。 偏りを伴うサンプル合成と逆行性除去脱バイアス戦略(BSSARD)を提案する。
  論文  参考訳（メタデータ） (2024-01-15T09:59:43Z)
• PARTNER: Level up the Polar Representation for LiDAR 3D Object Detection [81.16859686137435]
  本稿では、極座標における新しい3次元物体検出器Partnerを紹介する。 提案手法は,ONCE検証セットにおいて3.68%,9.15%の差で従来の極性理論よりも優れていた。
  論文  参考訳（メタデータ） (2023-08-08T01:59:20Z)
• Neural Polarizer: A Lightweight and Effective Backdoor Defense via Purifying Poisoned Features [62.82817831278743]
  近年の研究では、バックドア攻撃に対するディープニューラルネットワークの感受性が示されている。 本研究では,学習可能なニューラルポーラライザを中間層としてバックドアモデルに挿入することで,新たなバックドア防御手法を提案する。
  論文  参考訳（メタデータ） (2023-06-29T05:39:58Z)
• Cross Pairwise Ranking for Unbiased Item Recommendation [57.71258289870123]
  我々はCPR(Cross Pairwise Ranking)という新しい学習パラダイムを開発する。 CPRは、露出メカニズムを知らずに不偏の推奨を達成する。 理論的には、この方法が学習に対するユーザ/イテムの適合性の影響を相殺することを証明する。
  論文  参考訳（メタデータ） (2022-04-26T09:20:27Z)
• Information-Theoretic Bias Reduction via Causal View of Spurious Correlation [71.9123886505321]
  本稿では,スプリアス相関の因果的解釈による情報理論バイアス測定手法を提案する。 本稿では,バイアス正規化損失を含むアルゴリズムバイアスに対する新しいデバイアスフレームワークを提案する。 提案したバイアス測定とデバイアス法は、多様な現実シナリオで検証される。
  論文  参考訳（メタデータ） (2022-01-10T01:19:31Z)
• Detecting Polarized Topics in COVID-19 News Using Partisanship-aware Contextualized Topic Embeddings [3.9761027576939405]
  ニュースメディアの分極化の高まりは、熱狂的な意見の相違、論争、さらには暴力までもが非難されている。 パルチザンニュースソースから偏光トピックを自動的に検出する手法であるPartisanship-aware Contextualized Topic Embeddings (PaCTE)を提案する。
  論文  参考訳（メタデータ） (2021-04-15T23:05:52Z)
• Shortcuts to Dynamic Polarization [0.0]
  動的分極プロトコルは、量子ドットや色欠陥などのよく制御された量子ビットからスピン分極を移すことによってスピン浴を過分極することを目的としている。 双極子相互作用系に適用可能な中心スピンモデルにおける高速かつ効率的な動的偏光プロトコルを設計する。
  論文  参考訳（メタデータ） (2020-11-10T19:00:53Z)
• Polarizing Front Ends for Robust CNNs [23.451381552751393]
  本稿では,データを分極し定量化する非線形フロントエンドを用いて,逆方向の摂動を減衰させるボトムアップ戦略を提案する。 理想的な分極は、摂動を完全に排除し、データのほぼ偏極ベースを学習するためのアルゴリズムを開発し、提案手法がMNISTおよびFashion MNISTデータセット上で有効であることを示す。
  論文  参考訳（メタデータ） (2020-02-22T00:28:41Z)

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。