DocNet：归纳偏置检测模型中的语义结构
计算与语言
2025-05-22 v3 社会与信息网络
摘要
只要人们有自己的观点，新闻就具有偏见。随着社交媒体成为新闻的主要入口，以及党派差异日益加大，及时识别新闻偏见已对有识凡人的社会更加重要。若人们意识到所消费新闻的偏见，他们便能采取行动以避免加剧两极化的回音室。本文探讨了媒体偏见检测中鲜为人知的一个方面：新闻文章的语义结构。我们提出了 DocNet，一个 novel、归纳且低资源的文档嵌入和政治偏见检测模型。我们还展示了来自相互对立政党派别的新闻文章在文档级别图嵌入表示中具有显著的相似性。DocNet 绕过了预训练语言模型的需求，降低了资源依赖，同时实现了与之相当的性能。它可用于在资源受限环境中推进政治偏见检测。我们的代码和数据已公开于：https://anonymous.4open.science/r/DocNet/。
引用
@article{arxiv.2406.10965,
title = {DocNet: Semantic Structure in Inductive Bias Detection Models},
author = {Jessica Zhu and Iain Cruickshank and Michel Cukier},
journal= {arXiv preprint arXiv:2406.10965},
year = {2025}
}
备注
Accepted to WEBSCI 2025