基于对比学习与句子图网络的多层级上下文信息偏倚检测建模
计算与语言
2022-01-26 v1
摘要
信息偏倚广泛存在于新闻文章中。它指提供关于某实体特定方面的片面、选择性或暗示性信息以引导特定解读，从而偏向读者观点。句子级信息偏倚检测是一项极具挑战的任务，因为此类偏倚只能结合上下文揭示，例如从多源收集信息或结合背景分析整篇文章。本文中，我们整合三个层级的上下文来检测英文新闻文章中的句子级信息偏倚：相邻句子、整篇文章，以及描述同一事件的其他新闻机构文章。我们的模型 MultiCTX（Multi-level ConTeXt）使用对比学习和句子图，结合图注意力网络（GAT），通过策略性组合对比三元组并在事件内构建句子图，在不同阶段编码这三种程度的上下文。我们的实验证明，对比学习结合句子图能有效融入不同层级的上下文，并在信息偏倚检测上以句子为单位显著优于当前 SOTA 模型。
引用
@article{arxiv.2201.10376,
title = {Modeling Multi-level Context for Informational Bias Detection by Contrastive Learning and Sentential Graph Network},
author = {Shijia Guo and Kenny Q. Zhu},
journal= {arXiv preprint arXiv:2201.10376},
year = {2022}
}
备注
10 pages including bibliography