AAAIApr, 2019

危机中谁指责了谁？使用神经网络从新闻文章中检测指责关系

PDF
TL;DR本研究定义了一个新的任务 “责任关系提取”，并构建了一个新的数据集，通过诸如 BiLSTM 网络的方法，利用 GloVe 和 ELMo 这样的大型无监督模型，实现了 US 金融危机期间出现的责任关系的自动提取和有效性检验，其 F1 得分最高达到 70％，是社会科学家更高效地提取责任关系的有用工具。
blame tie extractionfinancial crisesdominant crisis narrativessocial hierarchiescultural norms
发现论文，激发创造
  • 新闻文本中的实体对实体情感抽取：谴责或认可谁？

    本文介绍了一项新的 NLP 任务，名为 directed sentiment extraction，可用于计算社会科学中分析政治性新闻文本中谁责备或支持谁的情感方向。该方法利用预训练变压器神经网络进行目标分类预测，并结合多种问题回答任务的结果。通过分析美国总统选举和 COVID-19 等两个事件中政治实体之间的正面和负面意见，证明了该方法的实用性，可促进未来 NLP 方法和应用的跨学科研究。

    Jun, 2021

  • 新闻分析中的点点滴滴：媒体偏见与框架的跨学科调查

    新闻报道中的偏见表现和影响是社会科学的核心主题，近年来在自然语言处理领域受到了越来越多的关注。本研究综述了社会科学的方法，并将其与自然语言处理领域中用于分析媒体偏见的典型任务表述、方法和评估指标进行了对比。我们讨论了开放性问题，并提出了可能的研究方向，以填补理论与预测模型之间及其评估之间的差距。这些包括模型透明度、考虑文档外部信息以及跨文档推理而非单一标签的分配。

    Sep, 2023

  • 虚假新闻的预测语言线索：一个社会人工智能问题

    使用机器学习算法分析媒体新闻的语言特征，以区分真假新闻，主要解决神经假新闻生成、机器生成的标题、文本和图像标题之间的语义矛盾等问题。同时提出应用特征集和类别、特征之间的相关性计算相关属性评估指标和计算属性变量的协方差指标来模拟这些问题。其中独特、负面、积极和基数数字特征在度量中得分高，能够提供高的 AUC 和 F1-score。

    Nov, 2022

  • 一种用于假新闻检测的双向 LSTM 方法

    本研究使用双向 LSTM 算法对一定数量的外文新闻网站和报纸进行数据收集，在训练数据上达到 84% 的模型准确度和 62.0 的 F1 宏平均得分，以确定新闻真假。

    Jun, 2022

  • 利用卷积神经网络快速分类社交媒体上的危机相关数据

    本论文旨在介绍基于神经网络的分类方法，该方法针对社交媒体上的危机信息进行二元和多元分类。本方法无需进行特征工程，相比现有的最先进的分类方法，其性能更佳，并可在缺乏标记数据的情况下取得良好的分类效果。

    Aug, 2016

  • 没有永久的朋友或敌人：通过新闻追踪国家关系

    该论文探讨了如何使用神经网络模型从新闻文章中推断国与国之间的关系，结合浅层语言学信息提出了新的自动评估指标，并进行了人工评估，结果显示该模型能够更好地分析和理解复杂的国际关系，同时还揭示了新闻报道在不同地区的侧重点和偏见。

    Apr, 2019

  • 标题诊断：内容农场标题的操纵

    该研究基于卷积神经网络开发了一个标题分类器，主要通过调查标题的词语分割、词性标注和情感特征等关键因素，以确定新闻文章的可信度，并将这些特征集成到分类模型中。经过实验证明，该模型的准确度可达到 93.99%。

    Apr, 2022

  • 发展自然语言理解模型以描述有线新闻偏见

    通过对使用命名实体识别分析主题并通过立场分析讨论这些主题的方法，我们开发了一种无需任何人为输入来定义有线新闻节目偏见的无监督机器学习方法，应用于 2020 年的有线新闻转录中，发现节目的聚类随时间的变化而保持稳定且大致对应于节目所属的有线新闻网络，该方法揭示了未来客观评估媒体偏见和描绘陌生媒体环境的潜力。

    Oct, 2023

  • 社交媒体和新闻文章中虚假信息的情感分析

    通过情感分析比较真假新闻的语言使用，并考虑了社交媒体和在线新闻来源的虚假信息类型（宣传、谣言、点击草率和讽刺）; 我们的实验表明，虚假信息在每种类型中都具有不同的情感模式，情感在欺骗读者方面发挥了关键作用； 基于此，我们提出了一个采用情感注入的 LSTM 神经网络模型来检测假新闻。

    Aug, 2019

  • 血红满地，头条报道：计算方法报道洛杉矶的犯罪

    该研究提出了一种机器辅助系统，使用概率图模型和规则系统来生成文章结构和提要段落，以覆盖洛杉矶的犯罪报道，旨在提高新闻报道的效率和准确性。

    Jun, 2022