Dec, 2023

理解新闻创作意图：框架、数据集和方法

PDF
TL;DR媒体经济的颠覆性变革和替代性新闻媒体的蓬勃发展使新闻意图逐渐偏离了为公众利益服务的道德标准，为了弥补这一缺口，我们提出了第一个基于哲学、心理学和认知科学研究的有组件意图理解框架（NINT），通过定义新闻意图识别任务，并提供细粒度标签的基准数据集和高效的基准方法，实验证明 NINT 在意图识别任务和需求对新闻具有深刻理解的下游任务中都具有益处，这项工作标志着对新闻创作意图更系统化探索的基础步骤。
news intentethicsmedia economyalternative news media outletsnint frame
发现论文，激发创造
  • 新闻框架：从人类感知到大型语言模型推断

    本文通过对欧洲五个国家的 No-Vax 运动相关文章的标题进行人工标记及使用 GPT-3.5 的微调和提示工程来推断新闻标题的框架，以研究该主题。研究结果为新闻分类等任务的可行性和 GPT-3.5 模型是否能够复制人的感知能力做出贡献。

    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

  • Intentonomy：一项旨在人类意图理解的数据集和研究

    本文研究了社交媒体图像背后的意图，并提出了一个意图数据集：Intentonomy，该数据集由人工注释的 28 个意图类别组成，研究了常见的视觉信息、文本信息，以及纯文本信息在意图分类器中的贡献。通过量化实验结果，本文发现视觉和文本信息对人类意图理解有明显的作用。

    Nov, 2020

  • 评估虚假新闻传播者的意图：“这是假的！分享不小心

    本文旨在评估假新闻传播者的意图，通过研究假新闻无意传播的心理解释，提出一个影响图模型来区分有意和无意传播，并显示所评估的意图可以帮助明显区分有意和无意传播假新闻，估计的意图可以显著提高当前检测假新闻的技术。

    Feb, 2022

  • 新闻报道的道德框架和意识形态偏见

    该研究论文描述了一种基于道德基础理论的无监督方法，用于在新闻报道中提取道德框架的偏见和强度，以量化新闻报道的偏见和党派性，并验证了该方法在 Twitter 数据集上的性能。

    Sep, 2020

  • 一个新的韩文文本分类基准，用于识别在线报纸中的政治意图

    在这项工作中，我们关注通过理解文本的上下文来自动识别给定在线报纸的政治意图。为了解决这个问题，我们提出了一个新颖的韩文文本分类数据集，其中包含各种文章，并提供了在该数据集上训练的基于深度学习的文本分类基线模型。

    Nov, 2023

  • 超越研究数据集：工业场景下的新意图发现

    本文提出了一种用于大型电子商务平台的意图发现流程改进方法，该方法利用了领域内数据的自我监督和弱监督预训练语言模型，以及利用现实生活数据的对话结构进行微调的最佳方法，并使用所有这些方法结合使用，使真实生活数据的使用比仅使用问题数据的 CDAC 模型效果提高了多达 33pp。

    May, 2023

  • 误导性反应框架：关于读者对新闻标题的反应推理

    通过建立自由文本维度的误解反应框架来更准确地了解读者对新闻标题的认知反应，提出 MRF 数据集并使用神经网络学习进行分类预测，证明通过向读者展示机器生成的 MRF 反应可以提高他们对真实新闻的信任。

    Apr, 2021

  • 生成多个新意图检测的高质量数据点的框架

    本论文提出了一种基于聚类的框架 --MNID（多新意图检测），用于检测多个新出现的新意图，在人力预算有限的情况下更高效地重训练基础分类器，实验结果表明 MNID 在准确性和 F1 分数上优于基线方法。

    May, 2022

  • 超越离散的文本类型：将新闻项目映射到一种多维类型提示框架上

    通过 “事实性” 和 “形式性” 两个维度，提出了一个用于描述新闻类型的非离散框架，并提供了两个计算模型以自动化地分析新闻语句。这样的预测可用于在该框架内定位新闻项目，帮助更深入地理解新闻类型的演变。

    Dec, 2022