Fugu-MT 論文翻訳(概要): Embedding-based Approaches to Hyperpartisan News Detection

論文の概要: Embedding-based Approaches to Hyperpartisan News Detection

arxiv url: http://arxiv.org/abs/2501.01370v1
Date: Thu, 02 Jan 2025 17:29:53 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-05 17:16:27.440647
Title: Embedding-based Approaches to Hyperpartisan News Detection
Title（参考訳）: 埋め込みに基づく超党派ニュース検出へのアプローチ
Authors: Karthik Mohan, Pengyu Chen,
Abstract要約: 過党派ニュース(Hyperpartisan news)は、国民に政治的分裂を起こそうとする極端に分極的な政治的立場をとるニュースである。両方向LSTMを用いた事前学習ELMoを用いた最適システムは,10倍のクロスバリデーションで83%の精度を実現した。
参考スコア（独自算出の注目度）: 6.522338519818378
License:
Abstract: In this paper, we describe our systems in which the objective is to determine whether a given news article could be considered as hyperpartisan. Hyperpartisan news is news that takes an extremely polarized political standpoint with an intention of creating political divide among the public. We attempted several approaches, including n-grams, sentiment analysis, as well as sentence and document representation using pre-tained ELMo. Our best system using pre-trained ELMo with Bidirectional LSTM achieved an accuracy of 83% through 10-fold cross-validation without much hyperparameter tuning.
Abstract（参考訳）: 本稿では,あるニュース記事が過党派とみなすことができるかどうかを判断するシステムについて述べる。過党派ニュース(Hyperpartisan news)は、国民に政治的分裂を起こそうとする極端に分極的な政治的立場をとるニュースである。我々は,n-grams,感情分析,文表現,文書表現など,既設のELMoを用いたいくつかの手法を試みた。両方向LSTMによる事前学習ELMoを用いた最適システムは,高パラメータチューニングを伴わずに10倍のクロスバリデーションで83%の精度を実現した。

関連論文リスト

From Experts to the Public: Governing Multimodal Language Models in Politically Sensitive Video Analysis [48.14390493099495]
本稿では,大規模言語モデル(MM-LLM)の個人的および集団的検討を通じて,ガバナンスについて検討する。筆者らは,まず10人のジャーナリストにインタビューを行い,専門家によるビデオ解釈のベースライン理解を確立した。第2に,包括的.AIを用いた議論に携わる一般市民114名を対象にした。
論文参考訳（メタデータ） (2024-09-15T03:17:38Z)
Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。 GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
論文参考訳（メタデータ） (2024-07-16T05:52:26Z)
All Things Considered: Detecting Partisan Events from News Media with Cross-Article Comparison [19.328425822355378]
我々は,ニュース記事のイデオロギーを予測するための潜在変数ベースのフレームワークを開発する。以上の結果から,主観性や非党派的傾向が強い主流メディアにおいても,メディアバイアスのレベルが高いことが明らかとなった。
論文参考訳（メタデータ） (2023-10-28T21:53:23Z)
Voting Booklet Bias: Stance Detection in Swiss Federal Communication [0.0]
我々は最近のスタンス検出手法を用いて、有権者のための公式情報ブックレットにおける文のスタンス(例えば、反対か中立か)を研究する。私たちの主な目標は、基本的な質問に答えることです。本研究は,今後の投票帳簿の編集プロセスと,政治談話分析のためのより良い自動システムの設計に影響を及ぼすものである。
論文参考訳（メタデータ） (2023-06-15T09:49:12Z)
Fair Enough: Standardizing Evaluation and Model Selection for Fairness Research in NLP [64.45845091719002]
現代のNLPシステムは様々なバイアスを示しており、モデル偏見に関する文献が増えている。本稿では,その現状を解明し,公正学習における意味ある進歩の道筋を立案することを目的とする。
論文参考訳（メタデータ） (2023-02-11T14:54:00Z)
Computational Assessment of Hyperpartisanship in News Titles [55.92100606666497]
われわれはまず、超党派ニュースタイトル検出のための新しいデータセットを開発するために、人間の誘導する機械学習フレームワークを採用する。全体的に右派メディアは比例的に超党派的なタイトルを使う傾向にある。我々は、外国問題、政治システム、ニュースタイトルにおける過党主義を示唆する社会問題を含む3つの主要なトピックを識別する。
論文参考訳（メタデータ） (2023-01-16T05:56:58Z)
NeuS: Neutral Multi-News Summarization for Mitigating Framing Bias [54.89737992911079]
様々な政治スペクトルの複数のニュース見出しから中立的な要約を生成する新しい課題を提案する。最も興味深い観察の1つは、生成モデルは、事実的に不正確なコンテンツや検証不可能なコンテンツだけでなく、政治的に偏ったコンテンツにも幻覚を与えることができることである。
論文参考訳（メタデータ） (2022-04-11T07:06:01Z)
A Machine Learning Pipeline to Examine Political Bias with Congressional Speeches [0.3062386594262859]
私たちは、2つのイデオロギー的に多様なソーシャルメディアフォーラム、GabとTwitterで、政治的偏見を研究するための機械学習アプローチを提供します。提案手法は,米国議会の政治演説から収集したテキストを用いて,そのデータをラベル付けする手法である。また、カスケードとテキストの特徴を組み合わせて、カスケードの政治的偏見を約85%の精度で予測する機械学習アプローチを提案する。
論文参考訳（メタデータ） (2021-09-18T21:15:21Z)
Mundus vult decipi, ergo decipiatur: Visual Communication of Uncertainty in Election Polls [56.8172499765118]
我々は、今放送と予測におけるバイアスの潜在的な源について論じる。概念は、誤認識された正確性の問題を軽減するために提示される。主要なアイデアの1つは、パーティーシェアではなくイベントの確率を使うことである。
論文参考訳（メタデータ） (2021-04-28T07:02:24Z)
Mitigating Media Bias through Neutral Article Generation [39.29914845102368]
既存の緩和作業は、複数のニュースアウトレットからの記事を表示し、多様なニュースカバレッジを提供しますが、表示された各記事に固有のバイアスを中和しません。我々は,複数の偏りのある記事から単一の中性化記事を生成する新しいタスクを提案し,バランスのとれた情報や偏りのない情報へのアクセスをより効率的にする。
論文参考訳（メタデータ） (2021-04-01T08:37:26Z)

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。