争议的概念映射
本文通过社交媒体的内容和网络结构,采用基于图的三阶段管道方法对争议进行量化分析,比较了不同的争议度量方法,图构建方法和数据来源,并证明其新的基于随机游走的度量方法优于现有度量方法。
Jul, 2015
使用数据驱动方法研究新闻媒体如何处理具有争议性的问题,发现在处理这类问题时通常会出现负面情绪和有偏见的用词,而强烈的情感则会被遏制,同时不同的新闻媒体在处理争议性问题方面存在许多差异。通过这些研究发现,可以比较不同媒体对待争议话题的方式,从而粗略地指示该问题的争议程度。
Sep, 2014
本研究研究 Social Media 中的争议话题,提出了一种通过利用网络模式检测 Social Media 中争议话题的方法,该方法基于用户交互的局部模式,不需要了解自然语言,95% 的准确度比传统的句子分析方法和传播模型方法都有很大的改进。
Mar, 2017
本文主要研究如何通过 Twitter 上的两种不同的言论来生成一个明确的、具有观点感知性的结论性总结。我们的方法基于排名模型,并在五个有争议的话题上进行了测试。结果表明,我们的方法一致的优于其他技术。
Jun, 2018
本文介绍了第一个根据用户感知来定义争议性内容的问答数据集,并发现争议检测在问答过程中是必要且具有挑战性的,而争议与情感任务之间没有强关联。
Feb, 2023
我们提出了一个具有争议性的问题数据集的构建方法,通过评估不同的大型语言模型(LLMs)在这个数据集上的表现,揭示了它们如何处理具有争议性的问题以及它们采取的立场,从而为我们提供了对 LLMs 与争议性问题的互动的理解,为改进它们对复杂社会议题的理解和处理铺平了道路。
Oct, 2023
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