利用道德事件数据集和基于道德知识增强的 MOKA 框架，研究新闻报道中道德事件的选择性报道和不同意识形态倾向，揭示了新闻媒体运用道德语言创造记忆深刻的故事，并与读者价值观相契合的内在动力。

Nov, 2023

我们提出了基于文本的框架，通过纵向语料库研究公众道德情感变化。我们的方法建立在语言使用可以反映人们对对与错的道德观念之上，并通过探索从时间序列的词嵌入中学习到的道德偏见来构建我们的方法论。我们的研究为应用自然语言处理技术对社会中的道德情感变化进行表征提供了机会。

Jan, 2020

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

本文提出了一种表示框架，在不同的实体中组织道德态度，并推出了一个质量高的美国政客推文的带注释数据集；随后，我们提出了一种关系学习模型来同时预测实体的道德态度和道德基础。我们进行了定性和定量评估，表明不同政治意识形态的实体之间的道德情感差异很大。

Sep, 2021

本文介绍了一种基于 Moral Foundations Theory 框架的 Moral Foundations Reddit Corpus，该语料库可以用于通过自然语言处理和计算方法提取 8 种品德情感，并提供了基于该语料库的分类结果。

Aug, 2022

这篇论文研究了新闻文章情感分析的不同点，并且提出了三个需要解决的子任务，同时尝试从新闻文章中分离出正负面情感并挖掘其中的实体，最终得到的实验结果表明，忽略专业领域的词汇能够在新闻观点挖掘的任务中产生更好的效果。

Sep, 2013

通过精心设计的 MoralBERT 模型，结合社交媒体平台的标注道德数据，探索了道德预测及领域适应技术在理解有争议的社会议题上的应用，结果表明在领域内的预测模型明显优于传统模型，但领域外的泛化仍需进一步探索。

Mar, 2024

新闻媒体塑造公众舆论，通过选取或省略支持某一方的党派事件以隐晦的方式塑造信息受众的观点，本研究通过比较多篇关于相同事件的新闻文章，并识别出揭示意识形态的党派事件，开发了一种基于潜变量的框架来预测新闻文章的意识形态，发现新闻报道的倾向性可以通过文章之间的对齐和交叉比较获得，相比竞争性基准模型更为准确，结果揭示了媒体的高层次偏见存在，即使是在拥有客观和无党派的强烈规范的主流媒体中也是如此。

Oct, 2023

本文提出了基于事件 - 论证结构和表达分类理论的事件中心观点挖掘任务并构建了语料库和评测框架，实验结果表明事件中心观点挖掘具有可行性和挑战性，并为未来研究提供了有益的任务、数据集和基线。

Mar, 2022

通过对新闻媒体进行研究，我们揭示了其如何在报道中通过事件的包含或省略来影响公众意见，突出了新闻 subtly shapes opinion 的方式。

Oct, 2023