一种基于事件的新闻文章嵌入新方法
计算与语言
2026-04-22 v2 人工智能
社会与信息网络
摘要
新闻文章嵌入是多个领域的关键工具，例如媒体偏见检测、虚假新闻识别和新闻推荐。然而，现有的新闻嵌入方法并未针对捕获新闻事件的潜在上下文进行优化。大多数嵌入方法依赖全文信息，并忽略了与时间相关的嵌入生成。在本文中，我们提出了一种新颖的轻量级方法，通过关注文章中提及的实体和主题及其与特定事件的历史联系，来优化新闻嵌入生成。我们提出了一种由三个阶段组成的方法。首先，我们从给定的新闻文章中处理并提取事件、实体和主题。其次，我们通过在当前和历史数据上训练时间分离的 GloVe 模型，为主题和实体生成周期性时间嵌入。最后，我们拼接由两种不同方法生成的新闻嵌入：用于文章级向量的平滑逆频率（SIF）和用于包含细微事件相关信息的嵌入的孪生神经网络。我们利用来自 GDELT 项目的超过 850,000 篇新闻文章和 1,000,000 个事件来测试和评估我们的方法。我们进行了不同新闻嵌入生成方法的比较分析以进行验证。我们的实验表明，我们的方法能够在共享事件检测任务上改进并超越 SOTA 方法。
引用
@article{arxiv.2405.13071,
title = {A Novel Method for News Article Event-Based Embedding},
author = {Koren Ishlach and Itzhak Ben-David and Michael Fire and Lior Rokach},
journal= {arXiv preprint arXiv:2405.13071},
year = {2026}
}