論文の概要: MediaGraph: A Network Theoretic Framework to Analyze Reporting Preferences in Indian News Media

• arxiv url: http://arxiv.org/abs/2604.20982v1
• Date: Wed, 22 Apr 2026 18:10:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.121537
• Title: MediaGraph: A Network Theoretic Framework to Analyze Reporting Preferences in Indian News Media
• Title（参考訳）: MediaGraph:インドのニュースメディアにおけるレポートの選好分析のためのネットワーク理論フレームワーク
• Authors: Aditya Bali, Rupsha, Vidur Kaushik, Anirban Sen,
• Abstract要約: メディアグラフ(MediaGraph)は、エンティティ共起ネットワークを通じてニュースメディアの嗜好を分析するためのネットワーク理論フレームワークである。 我々はこれらのネットワークを,中心性,コミュニティ構造,共起リンク予測の3つのネットワーク理論軸に沿って解析する。 以上の結果から,同じイベントのソース間での報告嗜好の相違が顕著であり,情報源間での農家のリーダーの一貫性が低いことが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present MediaGraph, a network-theoretic framework for analyzing reporting preferences in news media through entity co-occurrence networks. Using articles from four Indian news-sources, two mainstream (The Times of India and The Indian Express) and two fringe outlets (dna and firstpost), we construct source-specific co-occurrence networks around the 2020-21 and 2024 Farmers Protests. We analyze these networks along three network theoretic axes of centrality, community structure, and co-occurrence link predictability. The link predictability metric is a novel metric proposed that quantifies the consistency of entity associations over time using a GraphSAGE-based model. Our results reveal significant differences in reporting preferences across sources for the same event, and a consistent under-representation of farmer leaders across sources. By shifting the focus from textual signals to relational structures, our approach offers a scalable, label-independent perspective on media analysis and introduces link predictability as a complementary measure of reporting behavior.
• Abstract（参考訳）: メディアグラフ(MediaGraph)は、エンティティ共起ネットワークを通じてニュースメディアの嗜好を分析するためのネットワーク理論フレームワークである。 インドでは4つのニュースソースと2つのメインストリーム(The Times of IndiaとThe Indian Express)と2つのフリンジ・コンセント(dnaとFirstpost)を使って、2020-21年と2024年のファーマーズ・プロペティション(Farmers Protests)を中心に、ソース固有の共起ネットワークを構築します。 我々はこれらのネットワークを,中心性,コミュニティ構造,共起リンク予測の3つのネットワーク理論軸に沿って解析する。 リンク予測可能性メトリックは、GraphSAGEベースのモデルを用いて、時間とともにエンティティアソシエーションの一貫性を定量化する新しいメトリクスである。 以上の結果から,同じイベントのソース間での報告嗜好の相違が顕著であり,情報源間での農家のリーダーの一貫性が低いことが示唆された。 本手法は,テキスト信号からリレーショナル構造へ焦点を移すことにより,メディア分析におけるスケーラブルでラベルに依存しない視点を提供するとともに,報告行動の相補的尺度としてリンク予測可能性を導入する。

関連論文リスト

• MGM: Global Understanding of Audience Overlap Graphs for Predicting the Factuality and the Bias of News Media [38.09491667371551]
  政治バイアスと事実性のレンズからニュースメディアをプロファイリングする際の分類問題について検討する。 事前学習言語モデル(PLM)やグラフニューラルネットワーク(GNN)といった従来のプロファイリング手法は有望な結果を示している。 本稿では,変分期待最大化(EM)フレームワークにおける有効解であるMediaGraphMind(MGM)を提案する。
  論文  参考訳（メタデータ） (2024-12-12T18:37:32Z)
• 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)
• Revisiting Link Prediction: A Data Perspective [59.296773787387224]
  グラフの基本的なタスクであるリンク予測は、友人の推薦、タンパク質分析、薬物相互作用予測など、様々な応用において不可欠であることが証明されている。 既存の文献の証拠は、すべてのデータセットに適した普遍的に最良のアルゴリズムが存在しないことを裏付けている。 我々は,局所的な構造的近接,大域的な構造的近接,特徴的近接という,リンク予測に不可欠な3つの基本的要因を認識する。
  論文  参考訳（メタデータ） (2023-10-01T21:09:59Z)
• 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)
• Inference of Media Bias and Content Quality Using Natural-Language Processing [6.092956184948962]
  本稿では、メディアの政治バイアスとコンテンツ品質の両方をテキストから推測する枠組みを提案する。 我々は,100万ツイート以上のデータセットに対して,双方向長短期記憶(LSTM)ニューラルネットワークを適用した。 この結果から,テキスト分析における単語順序の学習手法への活用の重要性が示唆された。
  論文  参考訳（メタデータ） (2022-12-01T03:04:55Z)
• GREENER: Graph Neural Networks for News Media Profiling [24.675574340841163]
  本稿では,ウェブ上でのニュースメディアのプロファイリングの問題について,その実態と偏見について考察する。 私たちの主な焦点は、オーディエンスの重複に基づいて、メディア間の類似性をモデル化することにあります。 予測精度は2つのタスクに対して2.5-27マクロF1ポイント向上した。
  論文  参考訳（メタデータ） (2022-11-10T12:46:29Z)
• Contextual information integration for stance detection via cross-attention [59.662413798388485]
  スタンス検出は、著者の目標に対する姿勢を特定することを扱う。 既存のスタンス検出モデルの多くは、関連するコンテキスト情報を考慮していないため、制限されている。 文脈情報をテキストとして統合する手法を提案する。
  論文  参考訳（メタデータ） (2022-11-03T15:04:29Z)
• Content-based Analysis of the Cultural Differences between TikTok and Douyin [95.32409577885645]
  ショートフォームのソーシャルメディアは、聴衆にダイナミックなストーリーを伝え、彼らの注意を引き付けることによって、伝統的なメディアパラダイムから遠ざかる。 特に、興味深く、理解しやすいユニークなシーンを表現するために、日常的なオブジェクトの異なる組み合わせを用いることができる。 同じ会社によって提供されたTikTokとDouyinは、近年人気になった新しいメディアの好例だ。 メディアファッションや社会的慣用性とともに文化的な違いを表現しているという仮説が,本研究の主目的である。
  論文  参考訳（メタデータ） (2020-11-03T01:47:49Z)
• A multi-layer approach to disinformation detection on Twitter [4.663548775064491]
  我々は,Twitter拡散ネットワークの多層表現を用い,各層に対してグローバルネットワーク機能群を計算した。 米国とイタリアでそれぞれ共有されたニュースの拡散カスケードに対応する2つの大規模データセットによる実験結果から、単純なロジスティック回帰モデルにより、偽情報と主流ネットワークを高精度に分類できることが示されている。 当社のネットワークベースのアプローチは,ソーシャルメディアに拡散する誤解を招く有害な情報を検出するシステム開発への道を開く有用な洞察を提供すると考えている。
  論文  参考訳（メタデータ） (2020-02-28T09:25:53Z)

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。