利用基于 Transformer 的多任务学习检测新闻文章中的媒体偏见
计算与语言
2022-11-08 v1
摘要
媒体对公众的事件认知有着重大影响。对任何话题的单方面或两极分化视角通常被描述为媒体偏见。新闻文章中引入偏见的方式之一是通过改变用词选择。有偏见的用词选择并不总是明显的，也不总是表现出高度的上下文依赖性。因此，检测偏见往往很困难。我们提出了一种基于 Transformer 的深度学习架构，通过使用六个与偏见相关的数据集进行多任务学习（Multi-Task Learning）训练，以解决媒体偏见检测问题。我们性能最佳的实现的宏 达到 0.776，相比基线提升 3%，优于现有方法。我们的结果表明多任务学习作为改进现有基线模型以识别倾斜报道的一种有前景的替代方案。
引用
@article{arxiv.2211.03491,
title = {Exploiting Transformer-based Multitask Learning for the Detection of Media Bias in News Articles},
author = {Timo Spinde and Jan-David Krieger and Terry Ruas and Jelena Mitrović and Franz Götz-Hahn and Akiko Aizawa and Bela Gipp},
journal= {arXiv preprint arXiv:2211.03491},
year = {2022}
}