利用党派意识上下文主题嵌入检测极化话题
计算与语言
2021-09-14 v2 信息检索
机器学习
摘要
新闻媒体日益加剧的极化现象被指责助长了分歧、争议甚至暴力。因此，早期识别极化话题是一项紧迫任务，有助于缓解冲突。然而，对话题层面极化的准确度量仍是一个开放的研究挑战。为弥补这一不足，我们提出党派意识上下文主题嵌入（PaCTE），一种从党派新闻来源中自动检测极化话题的方法。具体而言，利用一个已在识别新闻文章党派倾向任务上微调过的语言模型，我们通过语料上下文主题嵌入来表示某一话题上新闻语料的意识形态，并使用余弦距离度量极化程度。我们将该方法应用于一个关于 COVID-19 大流行的新闻文章数据集。在不同新闻来源和话题上的大量实验证明了我们方法在捕捉话题极化方面的有效性，这体现在其检索最具极化话题的效果上。
引用
@article{arxiv.2104.07814,
title = {Detecting Polarized Topics Using Partisanship-aware Contextualized Topic Embeddings},
author = {Zihao He and Negar Mokhberian and Antonio Camara and Andres Abeliuk and Kristina Lerman},
journal= {arXiv preprint arXiv:2104.07814},
year = {2021}
}