解耦结构与风格：通过诱导文档层次结构检测新闻中的政治偏见
计算与语言
2023-10-30 v2 机器学习
摘要
我们解决了新闻文章中政治偏见检测的一个重要空白。以往进行文档分类的工作可能受各新闻机构写作风格的影响，导致过拟合与有限的泛化能力。我们的方法通过同时考虑句子级语义与文档级修辞结构，克服了这一局限，从而对新闻文章政治偏见检测形成更鲁棒且与风格无关的方法。我们引入一种新颖的多头层次注意力模型，通过多样化的注意力头集成有效编码长文档的结构。尽管新闻业遵循形式化修辞结构，写作风格可能因新闻机构而异。我们证明该方法克服了这种领域依赖性，并在鲁棒性与准确率上优于以往方法。进一步分析与人工评估表明，我们的模型能够捕捉新闻业中常见的语篇结构。我们的代码见：https://github.com/xfactlab/emnlp2023-Document-Hierarchy
引用
@article{arxiv.2304.02247,
title = {Disentangling Structure and Style: Political Bias Detection in News by Inducing Document Hierarchy},
author = {Jiwoo Hong and Yejin Cho and Jaemin Jung and Jiyoung Han and James Thorne},
journal= {arXiv preprint arXiv:2304.02247},
year = {2023}
}
备注
Findings of EMNLP 2023