Dec, 2023

媒体偏见分类：关于媒体偏见形式和自动检测的系统文献综述

PDF
TL;DR媒体偏见检测是一个活跃的研究领域，基于计算方法和机器学习的分类方法让我们能够更准确地检测和分类各种类型的媒体偏见，然而，现有项目存在学科间的缺乏交叉和对多种媒体偏见类型的认识，未来的研究应该集成最新的机器学习进展和来自其他研究领域的可靠和多样化的偏见评估策略。
发现论文，激发创造
  • 利用基于 Transformer 的多任务学习技术检测新闻报道中的媒体偏见

    本文提出了一种基于多任务深度学习训练的 Transformer 架构，使用六个与偏见相关的数据集来解决媒体偏见检测问题，取得了较好的效果。

    Nov, 2022

  • 启迪新闻消费者理解偏见新闻报道：关于媒体偏见感知和可视化的研究

    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

  • MBIB - 首个媒体偏见识别基准任务和数据集合集

    本研究介绍了 Media Bias Identification Benchmark（MBIB），这是一个包含不同类型媒体偏见的综合性基准，使用最新的 Transformer 技术对其进行了评估，结果表明，虽然仇恨言论、种族偏见和性别偏见更容易检测，但模型却无法处理某些偏见类型，同时该基准还发现了研究兴趣和资源分配的不均衡现象，鼓励开发更强大的系统来解决多个媒体偏见类型问题。

    Apr, 2023

  • 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

  • 新闻上的语言偏见检测的领域自适应预训练方法

    本文针对媒体偏见的重要形式 —— 用词偏见展开研究。提出了一种基于 DA-RoBERTa 模型的领域自适应方法，实现在句子级别上对有偏见的用词进行检测。同时，训练了 DA-BERT 和 DA-BART 两种基于转换器的模型，并证明了这些模型在相同数据上优于以前的偏见检测方法。

    May, 2022

  • 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

  • 利用高斯偏差分布检测新闻文章中的媒体偏见

    通过研究基于高斯混合模型的概率分布，发现频率和位置对于文章层面的媒体偏见检测至关重要，其次是其精确的时序，相较于只依赖于低水平词汇信息分布的特征和神经文本分类方法。

    Oct, 2020

  • 在不同粒度上分析新闻文章中的政治偏见和不公平性

    本研究利用一个新的、基于 6964 篇新闻文章的辅助指标标签的语料库，开发了一种神经模型对新闻文章中的政治偏见和不公平进行分析，并从单词到整篇文章的不同层次的文本粒度发现了深刻的偏见模式。

    Oct, 2020

  • 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

  • 新闻中的目标感知背景政治偏见检测

    媒体偏见检测需要综合多个新闻来源的信息，以句子级别的政治偏见检测为例，通过考虑上下文中的偏见而进行的任务被证明是一项具有挑战性的任务。我们提出了一种更加小心地搜索上下文的技术，采用偏见敏感和目标感知的数据增强方法，通过与 BERT 等预训练模型的结合，在著名的 BASIL 数据集上进行了综合实验，取得了 58.15 的 F1 得分，明显优于先前方法的最新偏见检测任务。

    Oct, 2023