論文の概要: Multi-document Summarization through Multi-document Event Relation Graph Reasoning in LLMs: a case study in Framing Bias Mitigation

• arxiv url: http://arxiv.org/abs/2506.12978v1
• Date: Sun, 15 Jun 2025 22:14:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:47.189663
• Title: Multi-document Summarization through Multi-document Event Relation Graph Reasoning in LLMs: a case study in Framing Bias Mitigation
• Title（参考訳）: LLMにおける多文書イベント関係グラフ推論による多文書要約:フレイミングバイアス軽減を事例として
• Authors: Yuanyuan Lei, Ruihong Huang,
• Abstract要約: 我々は、異なるイデオロギー的視点を示す複数の記事から中和された要約を生成することで、メディアバイアスを軽減することを目的としている。 メディアバイアス検出における事象と事象の関係の重要な役割を動機として,LLMにおけるバイアスの認識を高めることを提案する。
• 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. Most previous work focused on detecting media bias. In this paper, we aim to mitigate media bias by generating a neutralized summary given multiple articles presenting different ideological views. Motivated by the critical role of events and event relations in media bias detection, we propose to increase awareness of bias in LLMs via multi-document events reasoning and use a multi-document event relation graph to guide the summarization process. This graph contains rich event information useful to reveal bias: four common types of in-doc event relations to reflect content framing bias, cross-doc event coreference relation to reveal content selection bias, and event-level moral opinions to highlight opinionated framing bias. We further develop two strategies to incorporate the multi-document event relation graph for neutralized summarization. Firstly, we convert a graph into natural language descriptions and feed the textualized graph into LLMs as a part of a hard text prompt. Secondly, we encode the graph with graph attention network and insert the graph embedding into LLMs as a soft prompt. Both automatic evaluation and human evaluation confirm that our approach effectively mitigates both lexical and informational media bias, and meanwhile improves content preservation.
• 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。 これまでの研究はメディアバイアスの検出に重点を置いていた。 本稿では、異なるイデオロギー的視点を示す複数の記事が与えられた中和要約を生成し、メディアバイアスを軽減することを目的とする。 メディアバイアス検出における事象と事象の関係の重要な役割を動機として,多文書イベント推論を通じてLCMにおけるバイアスの認識を高めることを提案し,要約プロセスの導出に多文書イベント関連グラフを用いる。 このグラフには、コンテンツフレーミングバイアスを反映するための4つの一般的なインドックイベント関係、コンテンツ選択バイアスを明らかにするためのクロスドックイベントコア参照関係、意見が分かれたフレーミングバイアスを強調するためのイベントレベルの道徳的意見が含まれる。 さらに、中和要約のためのマルチドキュメントイベント関係グラフを組み込むための2つの戦略を開発する。 まず、グラフを自然言語記述に変換し、そのテキスト化されたグラフをハードテキストプロンプトの一部としてLLMにフィードする。 次に、グラフをグラフ注意ネットワークでエンコードし、LSMに埋め込まれたグラフをソフトプロンプトとして挿入する。 自動評価と人的評価の両方で,本手法が語彙と情報の両方のメディアバイアスを効果的に軽減し,コンテンツ保存を改善することが確認された。

関連論文リスト

• On Positional Bias of Faithfulness for Long-form Summarization [83.63283027830657]
  LLM(Large Language Models)は、長いコンテキスト設定において、入力の途中で情報に過小評価される位置バイアスを示すことが多い。 長文要約におけるこのバイアスの存在、その忠実性への影響、およびこのバイアスを軽減するための様々な技術について検討する。
  論文  参考訳（メタデータ） (2024-10-31T03:50:15Z)
• Mapping the Media Landscape: Predicting Factual Reporting and Political Bias Through Web Interactions [0.7249731529275342]
  本稿では,最近発表されたニュースメディアの信頼性評価手法の拡張を提案する。 大規模ニュースメディアハイパーリンクグラフ上での4つの強化学習戦略の分類性能を評価する。 本実験は,2つの難解なバイアス記述子,事実報告と政治的偏見を対象とし,情報源メディアレベルでの大幅な性能向上を示した。
  論文  参考訳（メタデータ） (2024-10-23T08:18:26Z)
• Sentence-level Media Bias Analysis with Event Relation Graph [18.351777831207965]
  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。
  論文  参考訳（メタデータ） (2024-04-02T08:16:03Z)
• Embrace Divergence for Richer Insights: A Multi-document Summarization Benchmark and a Case Study on Summarizing Diverse Information from News Articles [136.84278943588652]
  同一イベントを含む複数のニュース記事において遭遇する多様な情報を要約する新しい課題を提案する。 この作業を容易にするために、多様な情報を特定するためのデータ収集スキーマの概要と、DiverseSummというデータセットをキュレートした。 データセットには245のニュース記事が含まれており、各ストーリーは10のニュース記事からなり、人間公認の参照と組み合わせられる。
  論文  参考訳（メタデータ） (2023-09-17T20:28:17Z)
• Bias in News Summarization: Measures, Pitfalls and Corpora [4.917075909999548]
  本稿では,要約モデルにおけるバイアス付き行動の定義と実用運用について紹介する。 目的合成モデルと汎用チャットモデルの両方で生成された英語要約における性別バイアスを測定する。 単一文書要約におけるコンテンツ選択は、性バイアスの影響をほとんど受けていないが、幻覚は偏見の証拠である。
  論文  参考訳（メタデータ） (2023-09-14T22:20:27Z)
• 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)
• Scientific Paper Extractive Summarization Enhanced by Citation Graphs [50.19266650000948]
  我々は、引用グラフを活用して、異なる設定下での科学的論文の抽出要約を改善することに重点を置いている。 予備的な結果は、単純な教師なしフレームワークであっても、引用グラフが有用であることを示している。 そこで我々は,大規模ラベル付きデータが利用可能である場合のタスクにおいて,より正確な結果を得るために,グラフベースのスーパービジョン・サムライゼーション・モデル(GSS)を提案する。
  論文  参考訳（メタデータ） (2022-12-08T11:53:12Z)
• 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)
• 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)

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。