論文の概要: Identifying and Investigating Global News Coverage of Critical Events Such as Disasters and Terrorist Attacks
- arxiv url: http://arxiv.org/abs/2506.12925v1
- Date: Sun, 15 Jun 2025 17:50:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-17 17:28:47.10541
- Title: Identifying and Investigating Global News Coverage of Critical Events Such as Disasters and Terrorist Attacks
- Title(参考訳): 災害やテロ攻撃などの危機事象の世界的なニュース報道の特定と調査
- Authors: Erica Cai, Xi Chen, Reagan Grey Keeney, Ethan Zuckerman, Brendan O'Connor, Przemyslaw A. Grabowicz,
- Abstract要約: イベントFINGERPRINTに基づいて,ニュース記事の識別を行うAI方式を提案する。
この手法は最先端の性能を達成し,数千万のニュース記事からなる大規模データベースにスケールする。
私たちはFAMEを使って、2020年に起きた自然災害やテロ事件をカバーした27,441件の記事を特定しています。
- 参考スコア(独自算出の注目度): 7.356090574846918
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Comparative studies of news coverage are challenging to conduct because methods to identify news articles about the same event in different languages require expertise that is difficult to scale. We introduce an AI-powered method for identifying news articles based on an event FINGERPRINT, which is a minimal set of metadata required to identify critical events. Our event coverage identification method, FINGERPRINT TO ARTICLE MATCHING FOR EVENTS (FAME), efficiently identifies news articles about critical world events, specifically terrorist attacks and several types of natural disasters. FAME does not require training data and is able to automatically and efficiently identify news articles that discuss an event given its fingerprint: time, location, and class (such as storm or flood). The method achieves state-of-the-art performance and scales to massive databases of tens of millions of news articles and hundreds of events happening globally. We use FAME to identify 27,441 articles that cover 470 natural disaster and terrorist attack events that happened in 2020. To this end, we use a massive database of news articles in three languages from MediaCloud, and three widely used, expert-curated databases of critical events: EM-DAT, USGS, and GTD. Our case study reveals patterns consistent with prior literature: coverage of disasters and terrorist attacks correlates to death counts, to the GDP of a country where the event occurs, and to trade volume between the reporting country and the country where the event occurred. We share our NLP annotations and cross-country media attention data to support the efforts of researchers and media monitoring organizations.
- Abstract(参考訳): 異なる言語で同じ出来事に関するニュース記事を特定するには、スケールが難しい専門知識が必要であるため、ニュース記事の比較研究は困難である。
重要事象を特定するのに必要なメタデータの最小セットであるイベントFINGERPRINTに基づいて,ニュース記事を特定するためのAIを活用した手法を提案する。
FAME(FingerPRINT to ArtTICLE MATCHING FOR EVENTs)は、危機的世界の出来事、特にテロ攻撃、いくつかの自然災害に関するニュース記事を効率的に識別する。
FAMEはトレーニングデータを必要としないため、時間、場所、クラス(嵐や洪水など)が与えられたイベントを議論するニュース記事を自動的にかつ効率的に識別することができる。
この手法は最先端のパフォーマンスを達成し、世界中の何千万ものニュース記事や何百ものイベントの巨大なデータベースにスケールする。
私たちはFAMEを使って、2020年に起きた470件の自然災害とテロ事件をカバーする27,441件の記事を特定しています。
この目的のために、MediaCloudの3つの言語からニュース記事の巨大なデータベースを使用し、EM-DAT、USGS、GTDの3つの重要なイベントの専門家によるデータベースを広く使用しています。
今回のケーススタディでは、災害やテロ攻撃の報道は死亡数と相関し、事件が発生した国のGDPと、事件が発生した国と報告した国の取引量とが関連している。
我々はNLPアノテーションとクロスカントリーメディアアテンションデータを共有し、研究者やメディア監視組織の努力を支援する。
関連論文リスト
- CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [49.2719253711215]
本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。
本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。
この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
論文 参考訳(メタデータ) (2024-06-16T23:01:10Z) - A Novel Method for News Article Event-Based Embedding [8.183446952097528]
本稿では,記事中のエンティティやテーマに着目して,ニュース埋め込み生成を最適化する,新しい軽量な手法を提案する。
我々はGDELTプロジェクトから,85万件以上のニュース記事と1000,000件のイベントを活用し,本手法の検証と評価を行った。
提案手法は,共有イベント検出タスクにおける最先端手法の改善と性能向上の両立を実証した。
論文 参考訳(メタデータ) (2024-05-20T20:55:07Z) - CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster
Tweet Classification [51.58605842457186]
半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。
私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
論文 参考訳(メタデータ) (2023-10-23T07:01:09Z) - SumREN: Summarizing Reported Speech about Events in News [51.82314543729287]
本稿では,各話者の反応を,それぞれの発言によって表現された反応を,ある事象に要約する新しい課題を提案する。
我々は,多文書要約ベンチマークSUMRENを作成し,様々な公開人物からの報告文の745の要約を作成した。
論文 参考訳(メタデータ) (2022-12-02T12:51:39Z) - Cross-Lingual and Cross-Domain Crisis Classification for Low-Resource
Scenarios [4.147346416230273]
本稿では,言語間およびドメイン間ラベル付きデータを活用することで,危機事象に関連するメッセージを自動的に分類するタスクについて検討する。
私たちのゴールは、高リソース言語のラベル付きデータを使用して、他の(低リソースの)言語や、新しい(以前は見えなかった)危機状況からのメッセージを分類することです。
我々の経験的発見は、英語の危機イベントのデータを利用して、スペイン語やイタリア語など他の言語で同じ種類の出来事を分類することが可能であることを示している。
論文 参考訳(メタデータ) (2022-09-05T20:57:23Z) - NewsEdits: A News Article Revision Dataset and a Document-Level
Reasoning Challenge [122.37011526554403]
NewsEditsは、最初に公開されたニュースリビジョン履歴のデータセットである。
120万記事と、22以上の英語とフランス語の新聞ソースから460万バージョンを収録している。
論文 参考訳(メタデータ) (2022-06-14T18:47:13Z) - COfEE: A Comprehensive Ontology for Event Extraction from text, with an
online annotation tool [3.8995911009078816]
イベント抽出(EE)は、特定のインシデントとそのアクターに関する情報をテキストから導き出そうとする。
EEは知識ベースの構築、情報検索、要約、オンライン監視システムなど、多くの領域で有用である。
COfEEは、環境問題、サイバースペース、犯罪活動、自然災害に関連する新しいカテゴリを含む2つの階層レベル(イベントタイプとイベントサブタイプ)から構成されている。
論文 参考訳(メタデータ) (2021-07-21T19:43:22Z) - Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。
有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。
我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
論文 参考訳(メタデータ) (2020-11-02T02:03:07Z)
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。