論文の概要: Sentence-level Media Bias Analysis with Event Relation Graph

• arxiv url: http://arxiv.org/abs/2404.01722v1
• Date: Tue, 2 Apr 2024 08:16:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-03 17:28:41.393011
• Title: Sentence-level Media Bias Analysis with Event Relation Graph
• Title（参考訳）: イベント関係グラフを用いた文レベルメディアバイアス解析
• Authors: Yuanyuan Lei, Ruihong Huang,
• Abstract要約: メディアバイアスを文レベルで識別し,読者の意見に反する偏見文をピンポイントで特定する。 特に、偏見文中の事象は、文書内の他の事象と関連して理解する必要があることを観察する。 本稿では,文レベルのバイアス識別のための事象と事象の関係性を明確に推論するために,事象関係グラフを構築することを提案する。
• 参考スコア（独自算出の注目度）: 18.351777831207965
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Media outlets are becoming more partisan and polarized nowadays. In this paper, we identify media bias at the sentence level, and pinpoint bias sentences that intend to sway readers' opinions. As bias sentences are often expressed in a neutral and factual way, considering broader context outside a sentence can help reveal the bias. In particular, we observe that events in a bias sentence need to be understood in associations with other events in the document. Therefore, we propose to construct an event relation graph to explicitly reason about event-event relations for sentence-level bias identification. The designed event relation graph consists of events as nodes and four common types of event relations: coreference, temporal, causal, and subevent relations. Then, we incorporate event relation graph for bias sentences identification in two steps: an event-aware language model is built to inject the events and event relations knowledge into the basic language model via soft labels; further, a relation-aware graph attention network is designed to update sentence embedding with events and event relations information based on hard labels. Experiments on two benchmark datasets demonstrate that our approach with the aid of event relation graph improves both precision and recall of bias sentence identification.
• Abstract（参考訳）: 今やメディアメディアはパルチザン的になり、偏光化が進んでいる。 本稿では,メディアの偏見を文レベルで同定し,読者の意見を損なうことを目的としたピンポイント偏見文について述べる。 バイアス文はしばしば中立的で事実的な方法で表現されるので、文の外のより広い文脈を考慮すると、バイアスを明らかにするのに役立つ。 特に、偏見文中の事象は、文書内の他の事象と関連して理解する必要があることを観察する。 そこで本稿では,文レベルのバイアス識別のために,イベントとイベントの関係性を明確に推論するイベント関係グラフを構築することを提案する。 設計されたイベント関係グラフは、ノードとしてのイベントと、コア参照、時間的、因果関係、亜種関係の4つの共通の種類のイベント関係で構成されている。 次に, 偏見文識別のための事象関係グラフを2段階に組み込む: イベント認識言語モデルは, 基本言語モデルに, ソフトラベルを用いてイベントとイベントの関係知識を注入するために構築され, さらに, ハードラベルに基づくイベントとイベント関係情報への埋め込みを更新するために, 関係認識グラフアテンションネットワークを設計する。 2つのベンチマークデータセットの実験により、事象関係グラフによるアプローチは、バイアス文識別の精度とリコールの両方を改善することが示された。

関連論文リスト

• Identifying Conspiracy Theories News based on Event Relation Graph [21.680194418287197]
  我々は、ニュース記事が陰謀論を含むかどうかを特定することを目的とする。 物語における出来事の文脈的理解を得ることは陰謀論を検出するのに不可欠である。
  論文  参考訳（メタデータ） (2023-10-28T00:27:21Z)
• Continual Event Extraction with Semantic Confusion Rectification [50.59450741139265]
  本研究では, 連続イベント抽出法について検討し, 忘れることを避けつつ, 間欠的に出現するイベント情報を抽出することを目的とした。 イベントタイプに関するセマンティックな混乱は、時間とともに更新される同じテキストのアノテーションに由来することを観察する。 本稿では,意味的混乱を是正した新しい連続イベント抽出モデルを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:48:50Z)
• More than Classification: A Unified Framework for Event Temporal Relation Extraction [61.44799147458621]
  イベント時間関係抽出(ETRE)は通常、マルチラベル分類タスクとして定式化される。 イベントの開始点と終了点を使ってすべての関係を解釈できることを観察する。 本稿では,時間関係を時間点の論理的表現に変換するイベント時間関係抽出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-28T02:09:08Z)
• Getting Sick After Seeing a Doctor? Diagnosing and Mitigating Knowledge Conflicts in Event Temporal Reasoning [87.92209048521153]
  出来事の時間的推論は、物語から2つ以上の出来事の間の時間的関係を特定することを目的としている。 知識の衝突は、コンテキスト内の事象の実際の時間的関係と、モデルによって学習された事前の知識やバイアスとの間にミスマッチがあるときに起こる。
  論文  参考訳（メタデータ） (2023-05-24T10:04:06Z)
• Open-Domain Event Graph Induction for Mitigating Framing Bias [89.46744219887005]
  フレーミングバイアスの研究と特定は、信頼できるイベント理解への重要なステップである、と我々は主張する。 この問題に対処するために、ニュートラルイベントグラフ誘導という新しいタスクを提案する。 我々の課題は、オープンドメインにおいて最小限のフレーミングバイアスでそのような構造的知識を誘導することである。
  論文  参考訳（メタデータ） (2023-05-22T08:57:42Z)
• ClarET: Pre-training a Correlation-Aware Context-To-Event Transformer for Event-Centric Generation and Classification [74.6318379374801]
  本稿では,イベント中心推論のための一般相関対応コンテキスト・イベント変換器(ClarET)の事前学習を提案する。 提案されたClarETは、幅広いイベント中心の推論シナリオに適用できる。
  論文  参考訳（メタデータ） (2022-03-04T10:11:15Z)
• Modeling Multi-level Context for Informational Bias Detection by Contrastive Learning and Sentential Graph Network [13.905580921329717]
  情報バイアスはコンテキストとともにのみ検出できる。 本稿では,英語ニュース記事の文レベルの情報バイアスを検出するために,文脈の3つのレベルを統合する。 我々のモデルであるMultiCTXは,これら3つの文脈を符号化するために,グラフ注意ネットワーク(GAT)とともにコントラスト学習と文グラフを使用する。
  論文  参考訳（メタデータ） (2022-01-25T15:07:09Z)
• Context in Informational Bias Detection [4.386026071380442]
  英語ニュース記事における情報バイアスに関する4種類の文脈について検討する。 イベントコンテキストの統合は、非常に強力なベースライン上での分類性能を改善する。 最良性能の文脈包含モデルが長文のベースラインより優れていることが判明した。
  論文  参考訳（メタデータ） (2020-12-03T15:50:20Z)
• Paragraph-level Commonsense Transformers with Recurrent Memory [77.4133779538797]
  物語からコヒーレントなコモンセンス推論を生成するために,段落レベルの情報を含む談話認識モデルを訓練する。 以上の結果から,PARA-COMETは文レベルのベースライン,特にコヒーレントかつ新規な推論に優れていた。
  論文  参考訳（メタデータ） (2020-10-04T05:24:12Z)

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。