論文の概要: IndiTag: An Online Media Bias Analysis and Annotation System Using Fine-Grained Bias Indicators
- arxiv url: http://arxiv.org/abs/2403.13446v1
- Date: Wed, 20 Mar 2024 09:42:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-21 17:18:34.509595
- Title: IndiTag: An Online Media Bias Analysis and Annotation System Using Fine-Grained Bias Indicators
- Title（参考訳）: IndiTag:ファイングラインドバイアス指標を用いたオンラインメディアバイアス分析とアノテーションシステム
- Authors: Luyang Lin, Lingzhi Wang, Jinsong Guo, Jing Li, Kam-Fai Wong,
- Abstract要約: 本稿では,革新的なオンラインメディアバイアス分析・アノテーションシステムであるIndiTagについて述べる。
IndiTagは、バイアスを自動的に検出し解釈するために、大きな言語モデル、バイアスインジケータ、ベクトルデータベースを組み込むことによって、新しいアプローチを提供する。
我々は、メディアリテラシーの育成、ファクトチェックの取り組みの促進、デジタルメディアプラットフォームの透明性と説明責任の向上におけるIndiTagの潜在的な応用について論じる。
- 参考スコア（独自算出の注目度）: 14.716400920938884
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the age of information overload and polarized discourse, understanding media bias has become imperative for informed decision-making and fostering a balanced public discourse. This paper presents IndiTag, an innovative online media bias analysis and annotation system that leverages fine-grained bias indicators to dissect and annotate bias in digital content. IndiTag offers a novel approach by incorporating large language models, bias indicator, vector database to automatically detect and interpret bias. Complemented by a user-friendly interface facilitating both automated bias analysis and manual annotation, IndiTag offers a comprehensive platform for in-depth bias examination. We demonstrate the efficacy and versatility of IndiTag through experiments on four datasets encompassing news articles from diverse platforms. Furthermore, we discuss potential applications of IndiTag in fostering media literacy, facilitating fact-checking initiatives, and enhancing the transparency and accountability of digital media platforms. IndiTag stands as a valuable tool in the pursuit of fostering a more informed, discerning, and inclusive public discourse in the digital age. The demonstration video can be accessed from https://youtu.be/Gt2T4T7DYqs. We release an online system for end users and the source code is available at https://github.com/lylin0/IndiTag.
- Abstract（参考訳）: 情報過負荷と分極的談話の時代、メディアバイアスの理解は、情報的意思決定とバランスの取れた公開談話の育成に欠かせないものとなっている。
IndiTagは,デジタルコンテンツの偏差を識別・注釈するために,微細な偏差インジケータを利用する,革新的なオンラインメディアバイアス分析・アノテーションシステムである。
IndiTagは、バイアスを自動的に検出し解釈するために、大きな言語モデル、バイアスインジケータ、ベクトルデータベースを組み込むことによって、新しいアプローチを提供する。
自動バイアス分析と手動アノテーションの両方を容易にするユーザフレンドリなインターフェースで補完されたIndiTagは、詳細なバイアス検査のための包括的なプラットフォームを提供する。
多様なプラットフォームからのニュース記事を含む4つのデータセットの実験を通じて,IndiTagの有効性と汎用性を実証した。
さらに、メディアリテラシーの育成、ファクトチェックの取り組みの促進、デジタルメディアプラットフォームの透明性と説明責任の向上におけるIndiTagの潜在的な応用について論じる。
IndiTagは、デジタル時代のより情報に富み、識別され、包括的な公的な言論を促進するための貴重なツールである。
デモビデオはhttps://youtu.be/Gt2T4T7DYqsからアクセスすることができる。
エンドユーザー向けのオンラインシステムをリリースし、ソースコードはhttps://github.com/lylin0/IndiTag.comで入手できる。
関連論文リスト
- BiasScanner: Automatic Detection and Classification of News Bias to Strengthen Democracy [4.248837664338829]
BiasScannerは、ニュース消費者がオンラインで読んでいるニュース記事を精査することで、民主主義を強化することを目指している。
これには、ニュース記事のバイアスのある文を識別するサーバーサイドで事前訓練された大きな言語モデルと、フロントエンドのWebブラウザプラグインが含まれている。
論文 参考訳（メタデータ） (2024-07-15T15:42:22Z) - IndiVec: An Exploration of Leveraging Large Language Models for Media
Bias Detection with Fine-Grained Bias Indicators [16.222566896022247]
大規模言語モデル上に構築された一般的なバイアス検出フレームワークであるIndiVecを導入する。
IndiVecは、きめ細かいメディアバイアスデータベースを構築することから始まる。
ベクタデータベースから最も関連性の高い指標を自動的に選択し、多数決を採用して入力のバイアスラベルを決定する。
論文 参考訳（メタデータ） (2024-02-01T05:20:07Z) - HuBERTopic: Enhancing Semantic Representation of HuBERT through
Self-supervision Utilizing Topic Model [62.995175485416]
本稿では,HuBERTのセマンティック表現を豊かにするための新しいアプローチを提案する。
トピックラベルを教師として使用することにより、HuBERTに補助的なトピック分類タスクを追加する。
実験の結果,本手法は,ほとんどのタスクにおいて,ベースラインと同等あるいは優れた性能を達成できることがわかった。
論文 参考訳（メタデータ） (2023-10-06T02:19:09Z) - Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。
自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。
本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
論文 参考訳（メタデータ） (2023-07-05T20:16:20Z) - 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) - Exploiting Transformer-based Multitask Learning for the Detection of
Media Bias in News Articles [21.960154864540282]
メディアバイアスを検出するために,マルチタスク学習を用いて学習したトランスフォーマーに基づくディープラーニングアーキテクチャを提案する。
我々の最高のパフォーマンス実装は、マクロ$F_1$の0.776を実現しています。
論文 参考訳（メタデータ） (2022-11-07T12:22:31Z) - Neural Media Bias Detection Using Distant Supervision With BABE -- Bias
Annotations By Experts [24.51774048437496]
本稿ではメディアバイアス研究のための頑健で多様なデータセットであるBABEについて述べる。
トピックとアウトレットの間でバランスが取れた3,700の文で構成されており、単語と文のレベルにメディアバイアスラベルが含まれている。
また,本データに基づいて,ニュース記事中のバイアス文を自動的に検出する手法も導入した。
論文 参考訳（メタデータ） (2022-09-29T05:32:55Z) - An Interdisciplinary Approach for the Automated Detection and
Visualization of Media Bias in News Articles [0.0]
メディアバイアスを識別するためのデータセットや手法を考案することを目指しています。
私のビジョンは、ニュース読者が偏見によるメディアカバレッジの違いを認識できるようにするシステムを開発することです。
論文 参考訳（メタデータ） (2021-12-26T10:46:32Z) - Automated Video Labelling: Identifying Faces by Corroborative Evidence [79.44208317138784]
本稿では,複数のエビデンスソースと複数のモダリティを組み合わせることで,テレビ放送などのビデオアーカイブ内のすべての顔を自動的にラベル付けする手法を提案する。
本研究では,人物が有名であるか否かを画像検索エンジンを用いて判定する,新しい,シンプルな手法を提案する。
あまり有名でない人であっても、画像検索エンジンは、シーンやスピーチで命名された顔の正確なラベル付けに役立てることができる。
論文 参考訳（メタデータ） (2021-02-10T18:57:52Z) - Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。
本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
論文 参考訳（メタデータ） (2020-11-13T10:19:13Z) - Political audience diversity and news reliability in algorithmic ranking [54.23273310155137]
本稿では,ウェブサイトのオーディエンスの政治的多様性を質の指標として活用することを提案する。
ドメインの専門家によるニュースソースの信頼性評価と6,890人の米国市民の多様なサンプルによるWebブラウジングデータを用いて、より極端な、政治的に多様性の低いWebサイトが、ジャーナリストの基準を低くしていることを示す。
論文 参考訳（メタデータ） (2020-07-16T02:13:55Z)
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。