論文の概要: A Multi-View Media Profiling Suite: Resources, Evaluation, and Analysis

• arxiv url: http://arxiv.org/abs/2605.01336v1
• Date: Sat, 02 May 2026 09:17:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.71354
• Title: A Multi-View Media Profiling Suite: Resources, Evaluation, and Analysis
• Title（参考訳）: マルチビューメディア・プロファイリング・スイート:資源・評価・分析
• Authors: Muhammad Arslan Manzoor, Dilshod Azizov, Daniil Orel, Umer Siddique, Zain Muhammad Mujahid, Yufang Hou, Preslav Nakov,
• Abstract要約: ニュースメディアは、政治的偏見と事実性を自動的に検出する尺度で世論を形作っている。 この分野には、統一された資源、様々なアプローチにわたる包括的な評価、そして最も重要な表現と融合戦略の体系的な分析がまだ欠けている。 メディアバイアス/ファクトチェック(MBFC)から約2,600のアウトレットをカバーする大規模ラベルセットMBFC-2025を紹介する。 約900のコンセントを含むACL-2020とMBFC-2025のマルチビュー表現を構築した。
• 参考スコア（独自算出の注目度）: 50.35687669938033
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: News outlets shape public opinion at a scale that makes automated detection of political bias and factuality essential. However, the field still lacks unified resources, comprehensive evaluations across diverse approaches, and systematic analyses of the representations and fusion strategies that matter most, especially under label sparsity and dataset diversity. In addition, there is little empirical work reporting broad, observation-driven findings about what consistently works, what fails, and why. We address these gaps through four main contributions. First, we introduce MBFC-2025, a large-scale label set covering approximately 2,600 outlets from Media Bias/Fact Check (MBFC). Second, we construct multiview representations for ACL-2020 (Panayotov et al., 2022), which includes around 900 outlets, as well as for MBFC-2025. These representations span Alexa graphs, hyperlink graphs, LLM-derived graphs, articles, and Wikipedia descriptions. Third, we provide a systematic evaluation and analysis of embedding views and fusion strategies, including a reinforcement learning-based fusion variant. Fourth, we conduct extensive experiments that achieve state-of-the-art results on ACL-2020 and establish strong benchmarks on MBFC-2025.
• Abstract（参考訳）: ニュースメディアは、政治的偏見と事実性を自動的に検出する尺度で世論を形作っている。 しかし、この分野には、統一されたリソース、様々なアプローチにわたる包括的な評価、特にラベルの空間性とデータセットの多様性の下で最も重要な表現と融合戦略の体系的な分析がまだ欠けている。 さらに、広範囲にわたる経験的な作業報告や、一貫して動作するもの、失敗するもの、理由に関する観察駆動的な発見は、ほとんどありません。 4つの主要なコントリビューションを通じて、これらのギャップに対処します。 まず,メディアバイアス/ファクトチェック(MBFC)から約2,600のアウトレットをカバーする大規模ラベルセットMBFC-2025を紹介する。 第2に、約900のコンセントを含むACL-2020(Panayotov et al , 2022)とMBFC-2025のマルチビュー表現を構築する。 これらの表現は、Alexaグラフ、ハイパーリンクグラフ、LLM由来のグラフ、記事、ウィキペディアの記述にまたがる。 第3に、強化学習に基づく融合変種を含む、埋め込みビューと融合戦略の体系的評価と解析を行う。 第4に、ACL-2020における最先端の成果を達成するための広範な実験を行い、MBFC-2025上で強力なベンチマークを確立する。

関連論文リスト

• AI Transparency Atlas: Framework, Scoring, and Real-Time Model Card Evaluation Pipeline [2.1787849426740364]
  我々は5つのフロンティアモデル(Gemini 3, Grok 4.1, Llama 4, GPT-5, Claude 4.5)と100台のHugging Faceモデルカードからドキュメントを分析した。 安全クリティカルな開示を優先する8つのセクションと23のサブセクションからなる重み付き透明性フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-12-13T19:48:44Z)
• MEBench: Benchmarking Large Language Models for Cross-Document Multi-Entity Question Answering [21.2349023756007]
  マルチエンタリティ質問応答(MEQA)は,大規模言語モデル(LLM)において重要な課題である。 MEBenchは、断片化された情報の検索、統合、推論を行うLLMの能力を評価するために設計された、新しいマルチドキュメント、マルチエンタリティベンチマークである。 本ベンチマークでは,MEQAタスクにおける情報抽出の完全性と事実的精度の重要性を強調した。
  論文  参考訳（メタデータ） (2025-02-26T09:56:51Z)
• Infrared and Visible Image Fusion: From Data Compatibility to Task Adaption [65.06388526722186]
  赤外線可視画像融合はコンピュータビジョンにおいて重要な課題である。 この急成長する領域に対処する、最近の包括的な調査が欠如している。 本稿では,共通学習に基づくIVIF手法の解明のための多次元フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-18T13:17:34Z)
• CharXiv: Charting Gaps in Realistic Chart Understanding in Multimodal LLMs [62.84082370758761]
  CharXivは、arXiv論文の2,323のチャートを含む総合的な評価スイートである。 品質を確保するために、すべてのチャートと質問は、人間の専門家によって手書きされ、キュレーションされ、検証されます。 その結果、最強のプロプライエタリモデルの推論スキルの間に、かなり過小評価されていたギャップが明らかとなった。
  論文  参考訳（メタデータ） (2024-06-26T17:50:11Z)
• VLBiasBench: A Comprehensive Benchmark for Evaluating Bias in Large Vision-Language Model [72.13121434085116]
  我々は、LVLM(Large Vision-Language Models)におけるバイアスを評価するベンチマークであるVLBiasBenchを紹介する。 VLBiasBenchは、年齢、障害ステータス、性別、国籍、身体的外観、人種、宗教、職業、社会経済ステータスを含む9つの異なる社会バイアスのカテゴリを含むデータセットと、人種x性別と人種x社会経済ステータスの2つの交叉バイアスのカテゴリを含む。 15のオープンソースモデルと2つの高度なクローズドソースモデルに対して広範な評価を行い、これらのモデルに存在するバイアスに関する新たな洞察を得る。
  論文  参考訳（メタデータ） (2024-06-20T10:56:59Z)
• 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)
• Fairness meets Cross-Domain Learning: a new perspective on Models and Metrics [80.07271410743806]
  クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。 いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。 本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
  論文  参考訳（メタデータ） (2023-03-25T09:34:05Z)

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。