NeMig——一个关于移民的双语新闻集合与知识图谱

新闻推荐通过过滤和传播不同主题信息的方式，在塑造公众世界观方面发挥着关键作用。鉴于媒体在观点形成中的关键影响，尤其是对敏感话题，理解个性化推荐在准确性之外的效应在当今数字社会中已变得至关重要。在本工作中，我们提出 NeMig，一个关于移民主题的双语新闻集合，以及相应的丰富用户数据。与现有的包含大量单语新闻的新闻推荐数据集相比，NeMig 涵盖在德国和美国发布的单一争议性话题的文章。除通过 Wikidata 消歧抽取子话题和命名实体外，我们还标注了文章的情感极化和媒体的政治倾向。这些特征可用于分析算法新闻策展在基于准确性的性能之外的效应，例如推荐器偏差和过滤气泡的产生。我们从新闻文本和元数据构建领域特定的知识图谱，从而编码文章之间的知识级关联。重要的是，现有数据集仅包含点击行为，而我们除显式点击反馈外还收集了用户的社会人口与政治信息。我们通过新闻推荐器基准测试、推荐器偏差分析和新闻趋势分析等任务的实验展示了 NeMig 的效用。NeMig 旨在为新闻推荐社区提供有用资源，并促进对算法新闻策展多维效应的跨学科研究。