绘制媒体格局：通过网络交互预测事实报道和政治偏见

新闻来源的偏见评估对于依赖真实证据进行信息收集和报道的专业人士、组织和研究人员至关重要。虽然某些偏见指标可以从内容分析中辨别出来，但像政治偏见和假新闻这样的描述符则构成更大的挑战。在本文中，我们提出了一种对最近提出的新闻媒体可靠性估计方法的扩展，该方法侧重于建模媒体机构及其纵向网络交互。具体来说，我们评估了四种强化学习策略在一个大型新闻媒体超链接图上的分类性能。针对两个具有挑战性的偏见描述符——事实报道和政治偏见——我们的实验显示，在源媒体层面取得了显著的性能提升。此外，我们在CLEF 2023 CheckThat! Lab挑战中验证了我们的方法，在F1分数和官方MAE指标上均优于已报告的结果。此外，我们贡献了最大的带注释新闻源媒体数据集，该数据集按事实报道和政治偏见标签进行分类。我们的研究结果表明，基于新闻媒体来源随时间变化的超链接交互进行画像分析是可行的，为不断演变的媒体格局提供了鸟瞰视角。