MAGPIE：面向多任务媒体偏见分析的预训练框架用于表达识别
计算机与社会
2025-06-16 v3 计算与语言
摘要
媒体偏见检测是一类复杂且多面的问题，传统上采用单任务模型和小型领域内数据集，导致其缺乏普适性。为此，我们引入 MAGPIE，即首个专为媒体偏见检测设计的大规模多任务预训练方法。为实现大规模预训练，我们提出了大型偏见混合（LBM），包含 59 个偏见相关任务。MAGPIE 在 Bias Annotation By Experts（BABE）数据集上 outperform 了先前方法，F1 分数提升 3.3%。MAGPIE 还在 Media Bias Identification Benchmark（MBIB）中的 8 个任务中优于先前模型，其中 5 个任务表现更佳。使用 RoBERTa 编码器，MAGPIE 只需比单任务方法少 15% 的微调步骤。我们的评估显示，例如情感和情绪化任务能提升所有学习，所有任务都有助于虚假新闻检测，规模化任务得以获得最佳结果。MAGPIE 确认了多任务学习（MTL）是解决媒体偏见检测的有前景的方法，提高了现有模型的准确率和效率。此外，LBM 是首个可获取的聚焦于媒体偏见 MTL 的资源集合。
引用
@article{arxiv.2403.07910,
title = {MAGPIE: Multi-Task Media-Bias Analysis Generalization for Pre-Trained Identification of Expressions},
author = {Tomáš Horych and Martin Wessel and Jan Philip Wahle and Terry Ruas and Jerome Waßmuth and André Greiner-Petter and Akiko Aizawa and Bela Gipp and Timo Spinde},
journal= {arXiv preprint arXiv:2403.07910},
year = {2025}
}