该研究提出了一种新的框架来帮助读者识别新闻来源的异同，基于 discord 问题生成，强调了新闻报道的多样性，提高了当前问答生成方法的性能，并通过一个原型界面展示了该框架的可行性。

Nov, 2022

本研究通过建立一套问答生成模型，实现了对在线新闻读者对新闻信息的认知度的度量，并通过实验证明该模型在多项指标上具有优越的性能。

Feb, 2021

该研究通过提出的两项实证研究，评估了图形界面的可用性，并确定了评分标准、子标准和算法作者的重要性。最终，该研究提出了未来研究的建议，如主动记录与可信度相关的元数据，建立自动可信度评估的用户体验预测因素的明确的分层分类。

Apr, 2022

我们提供了一个名为 NewsQs (新闻提示) 的数据集，其中提供了多篇新闻文档的问题 - 回答对。通过在 News On the Web 语料库的 FAQ 样式新闻文章上对 T5-Large 模型进行微调，我们创造了 NewsQs，并自动生成了问题。我们证明，使用控制代码对模型进行微调可以生成更容易被人们接受的问题，与没有使用控制代码的相同模型相比，在人类评价中表现更好。我们使用与人类注释具有高相关性的 QNLI 模型来过滤数据。我们将我们的最终高质量问题、答案和文档聚类数据集作为资源，用于未来的基于查询的多文档摘要研究。

Feb, 2024

通过新闻档案库，利用时序因素对历史研究进行分析，为满足历史学家的信息需求设计了 “Historical Query Intent” 搜索任务，提出了 HistDiv 算法来协助历史研究中的查询行为，并通过研究结果表明，该算法可以优化子主题检索能力。

Oct, 2018

科技新闻记者面临着工作量增加、资源减少和科学出版生态系统扩大等方面的挑战。在这种背景下，我们探索了计算方法来帮助记者在时间效率和自主性方面发现新闻，并通过一个交互工具进行了原型设计来更好地理解这种工具可能如何提供效益或在更广泛的范围内塑造专业科技新闻记者的实践。我们的研究结果突出了科技新闻记者自主权、背景和责任等核心问题，这些工具可以影响并在设计中加以考虑。基于此，我们提出了增加和更长期用户自主权的设计机会；结合上下文、个人和协作性的新闻价值观念；以及利用灵活的界面和生成模型的方法。总体而言，我们的研究结果为计算新闻发现工具的社会技术系统提供了更丰富的视角，并建议改进这些工具以更好地支持科技新闻记者的实践。

Nov, 2023

本篇论文探讨了如何建立可扩展 NLP 系统来直接从海量新闻语料库中发现媒体选择偏差模式的挑战，并针对新闻源的意识形态进行了实证研究，通过无监督的学习方法来捕捉新闻语料库中的媒体选择倾向，为未来的媒体选择偏差研究提供了启示。

Apr, 2023

研究表明，媒体的政治偏见会影响受众的政治信仰及投票行为。通过三个手动注释的数据集及不同的可视化策略测试，结果表明手动注释偏见的可视化比框架可视化更有效。通过多层次模型，可以发现记者的偏见与文章的政治极端性和公正性有显著联系。

May, 2021

NEWSSENSE 使用参考无关的事实验证方法，将用户选择的主要文章与多个不同来源的相关文章链接起来，提供内嵌高亮显示来说明所选文章中特定主张是如何被其他文章的信息支持或反驳的，以帮助用户毫不费力地消化和交叉检查多个信息来源，以及识别关键信息、验证新闻文章的可信度和探索不同观点的潜力。

Oct, 2023

利用搜索和社交媒体元数据，我们构建了 1.3 百万篇文章及其摘要的 NEWSROOM 数据集，包含不同风格的抽象和抽取策略，为评估该数据集的效用和挑战，我们对该数据集进行了分析和训练现有方法。

Apr, 2018