論文の概要: From Entity Mentions to Tone: An LLM-Based Pipeline for Media Bias Analysis

• arxiv url: http://arxiv.org/abs/2608.17454v1
• Date: Tue, 18 Aug 2026 07:33:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.256087
• Title: From Entity Mentions to Tone: An LLM-Based Pipeline for Media Bias Analysis
• Title（参考訳）: エンティティ・メンションからトーンへ:メディアバイアス分析のためのLCMベースのパイプライン
• Authors: Klesti Hoxha, Olti Qirici,
• Abstract要約: 本稿では,オンラインニュースにおけるメディアバイアスとフレーミングを分析するパイプラインを提案する。 パイプラインは記事をトピックやイベントにグループ化し、名前付きアノテーションと感情アノテーションを追加し、ニュースソースと比較する。 GDELTから収集したアルバニアのニュース記事8,358件に適用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a pipeline for analyzing media bias and framing in online news. The pipeline groups articles into topics and events, adds named-entity and sentiment annotations, and compares news sources through people mentions, source-level tone, and event-level coverage patterns. We apply it to 8,358 Albanian news articles collected from GDELT and compare the resulting annotations with GDELT's automated annotations. The results show moderate agreement for sentiment and entity extraction, as well as additional person-entity pairs that can potentially support the bias analysis. We compare two annotation prompts and find that stricter sentiment-validation rules remove label-score inconsistencies but increase execution time and reduce annotation coverage. Based on these results, the simpler prompt is used for the rest of the analysis. We have provided sample analysis on source-level framing pro les, person-level tone differences across sources, and event-level gatekeeping and coverage indicators. These outputs show how the same news collection can be used to examine what sources cover, how they describe public figures, and where coverage is concentrated. The approach is particularly useful in settings where manually verified datasets or specialized language tools are limited.
• Abstract（参考訳）: 本稿では,オンラインニュースにおけるメディアバイアスとフレーミングを分析するパイプラインを提案する。 パイプラインは記事をトピックやイベントにグループ化し、名前付きアノテーションと感情アノテーションを追加し、人々の言及、ソースレベルのトーン、イベントレベルのカバレッジパターンを通じてニュースソースを比較する。 GDELTから収集した8,358のアルバニア語ニュース記事に適用し、その結果のアノテーションとGDELTの自動アノテーションを比較した。 その結果、感情と実体の抽出に対する適度な合意と、バイアス分析を支援する可能性のある個人と親密なペアが示された。 我々は2つのアノテーションプロンプトを比較し、より厳格な感情評価規則はラベルスコアの不整合を除去するが、実行時間を増やし、アノテーションカバレッジを減らすことを発見した。 これらの結果に基づいて、分析の残りの部分では、より単純なプロンプトが使用される。 我々は、ソースレベルのフレーミングプロール、ソース間の個人レベルのトーン差、イベントレベルのゲートキーピングとカバレッジインジケータのサンプル分析を行った。 これらのアウトプットは、同じニュースコレクションを使用して、どのソースがカバーしているか、どのようにパブリックフィギュアを記述し、どこにカバレッジが集中しているかを調べる方法を示している。 このアプローチは、手動で検証されたデータセットや特殊な言語ツールが制限された設定で特に有用である。

関連論文リスト

• From Variance to Invariance: Qualitative Content Analysis for Narrative Graph Annotation [3.1697159529951198]
  本稿では,定性的コンテンツ分析(QCA)の原則を統合し,アノテーションの品質を優先するナラティブグラフアノテーションフレームワークを提案する。 本稿では、ノードが事象を表現し、エッジが因果関係を符号化する有向非巡回グラフ(DAG)として注釈付けされたインフレーション物語のデータセットを提案する。 分析の結果,(1)高信頼度(オーバーラップベース距離)は信頼性を過大評価し,(2)局所的に制約された表現(例えばワンホップ隣人)はアノテーションの多様性を低下させることがわかった。
  論文  参考訳（メタデータ） (2026-03-02T14:48:13Z)
• Are You Sure You're Positive? Consolidating Chain-of-Thought Agents with Uncertainty Quantification for Aspect-Category Sentiment Analysis [4.14197005718384]
  データセットのアノテーションに必要な時間とリソースが限られている場合、ゼロショット設定で大きな言語モデルを活用することは有益である、と我々は主張する。 本稿では,大規模言語モデルのトークンレベルの不確実性スコアを活用することで,複数のチェーンオブ思考エージェントを組み合わせる新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-08-24T08:51:16Z)
• Beyond Quantity: Distribution-Aware Labeling for Visual Grounding [72.43984105242177]
  視覚的な接地には、大きく多様な領域テキストペアが必要である。 既存の擬似ラベルパイプラインは、しばしばバイアス分布に適合する。 視覚的グラウンドティングのための分布認識型ラベリングフレームワークであるDALを提案する。
  論文  参考訳（メタデータ） (2025-05-30T09:04:47Z)
• BiasLab: Toward Explainable Political Bias Detection with Dual-Axis Annotations and Rationale Indicators [0.0]
  BiasLabは、イデオロギー的偏見を意識した300の政治ニュース記事のデータセットである。 各記事は2つの独立したスケールでクラウドワーカーによってラベル付けされ、民主党と共和党に対する感情を評価している。 我々は、アノテータ間の合意を定量化し、ソースレベルの出口バイアスによる誤調整を分析し、その結果のラベルを解釈可能なサブセットに整理する。
  論文  参考訳（メタデータ） (2025-05-21T23:50:42Z)
• IDEAL: Influence-Driven Selective Annotations Empower In-Context Learners in Large Language Models [63.15355173909631]
  本稿では,影響駆動型選択的アノテーション手法を提案する。 アノテーションのコストを最小限に抑えつつ、コンテキスト内サンプルの品質を向上させることを目的としている。 様々なベンチマークで提案手法の優位性を確認する実験を行った。
  論文  参考訳（メタデータ） (2023-10-16T22:53:54Z)
• A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
  テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。 最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。 偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
  論文  参考訳（メタデータ） (2022-03-10T08:58:18Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)

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。