多视图媒体剖析套件：资源、评估与分析
计算与语言
2026-05-05 v1
摘要
新闻机构以规模使之塑造公共舆论， automated detection of political bias and factuality 至关重要。然而，该领域仍缺乏统一的资源、覆盖多样化方法的全面评估，以及关于最重要的表示和融合策略的系统分析，尤其是在标签稀疏和数据集多样性下。此外，几乎没有实证工作报告广泛、观察驱动的发现，关于什么持续有效、什么失败以及为何。我们通过四个主要贡献来弥补这些差距。首先，我们引入MBFC-2025，一个覆盖约2,600家机构的大规模标签集合，来自Media Bias/Fact Check (MBFC)。其次，我们构建了针对ACL-2020 (Panayotov等, 2022) 以及MBFC-2025的多视图表示。这些表示涵盖Alexa图、超链接图、LLM派生图、文章和维基百科描述。第三，我们提供一项系统评估和分析嵌入视图和融合策略，包括一种基于强化学习的融合变体。第四，我们进行大量实验，在ACL-2020上实现最新成果，并在MBFC-2025上建立强基准。
引用
@article{arxiv.2605.01336,
title = {A Multi-View Media Profiling Suite: Resources, Evaluation, and Analysis},
author = {Muhammad Arslan Manzoor and Dilshod Azizov and Daniil Orel and Umer Siddique and Zain Muhammad Mujahid and Yufang Hou and Preslav Nakov},
journal= {arXiv preprint arXiv:2605.01336},
year = {2026}
}