KCD：知识游走与文本线索增强的新闻媒体政治立场检测

政治立场检测已成为一项日益重要的任务，有助于对抗信息茧房与政治极化。以往方法通常侧重于利用文本内容来识别立场，却未能结合背景知识进行推理，或利用新闻文章中丰富的语义与句法文本标签。鉴于这些局限，我们提出 KCD，一种政治立场检测方法，可实现多跳知识推理并将文本线索作为段落级标签纳入。具体而言，我们首先在外部知识图上生成随机游走，并将其与新闻文本表示相融合。随后我们构建异质信息网络，联合建模新闻内容以及新闻文章中的语义、句法和实体线索。最后，我们采用关系图神经网络进行图级表示学习并执行政治立场检测。大量实验表明，我们的方法在两个基准数据集上优于最先进的（SOTA）方法。我们进一步考察了知识游走与文本线索的作用，以及它们如何提升本方法的数据效率。