May, 2023

识别新闻文章中的信息来源

PDF
TL;DR该研究利用构建的数据集和模型分析信息源在新闻报道中的使用，提出了新的任务 —— 信息源预测，并展示了模型在这一任务上的良好表现。该成果为新闻报道领域的内部结构探索和规划性语言生成提供了重要的支持，也为辅助新闻工作者提供源推荐系统提供了重要的思路和实践基础。
informational sourcesjournalismdatasetsource predictionnarrative science
发现论文，激发创造
  • 通过比较实体相关信息来源，实现新闻覆盖中选择偏差的语料库规模发现

    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

  • 直观而明显：事实报道镜头下的媒体偏见

    本研究调查了信息性偏见在新闻媒体中的频率以及 Fine-tuning BERT 在预测信息性偏见方面的挑战和未来方向。

    Sep, 2019

  • 不可靠新闻检测数据集中的隐性偏见

    本文研究了自动检测不可靠新闻的问题和如何创建更可靠的数据集，发现大规模新闻数据集存在选择性偏差和混淆因素，导致模型的表现不稳定，提出了创建更可靠的数据集的建议。

    Apr, 2021

  • 预测新闻媒体报道的真实性和偏见

    本文旨在研究预测新闻媒体报道的真实性和偏见。通过大量的新闻网站以及一些从文章、维基百科页面、推特账户、网址结构和流量信息中得出的特征，实验表明本方法相比基线有较显著的性能提升，且各特征类型都至关重要。

    Oct, 2018

  • 信息偏见检测中的背景

    通过探究四种不同的上下文对英语新闻文章中的信息偏误进行分类，我们发现将事件上下文整合在一起可以提高分类的性能并且可以更好地减少错误率。

    Dec, 2020

  • 新闻媒体来源的交互式框架

    我们提出了一个交互式框架来进行新闻媒体分析，结合了基于图的新闻媒体分析模型、预训练的大型语言模型和人类洞察力，能够在社交媒体上快速检测出假新闻和有偏见的媒体，即使在最具挑战性的新闻事件的情境中，其中有未见过的测试数据。

    Sep, 2023

  • 新闻分类数据集

    本论文介绍了一份包含近 21 万篇新闻头条的数据集，收集自 HuffPost，并探讨了该数据集在自然语言处理领域的现有和潜在应用，这对于学习真实新闻的语法和语义至关重要，尤其在当前假新闻泛滥的背景下。

    Sep, 2022

  • 新闻媒体来源的可靠性估计：物以类聚

    本研究以信息验证为主题，介绍了一种基于强化学习策略的新闻来源可靠性估计方法，通过模拟各新闻媒体来源在网络上的交互来估计可靠性程度，并验证了其有效性。

    Apr, 2024

  • 新闻通讯：一个包含百年历史新闻的大规模结构化数据库

    通过深度学习管道，我们重建了一份由成千上万份当地报纸的原始图像扫描组成的数百 TB 文本的归档，并创建了一个包含 1878 年至 1977 年间的 270 万个独特公共领域美国通讯社文章的数据集，该数据集进行了地理参考标记和自定义神经主题分类，识别命名实体并使用新颖的实体消歧模型澄清个人身份。该数据集包含有关百万美国人在一个世纪中阅读的新闻的丰富信息。

    Jun, 2024

  • 新闻文章中的政治偏见量化

    本文旨在建立一种自动模型，评估在线新闻文章的意识形态偏见，结果表明目前的自动模型能力不足以被用于自动注释文档，进而计算搜索结果中的偏见。

    Oct, 2022