PRISM：一种利用政治感知交叉编码器生成可解释政治偏见嵌入的框架
计算与语言
2025-06-02 v1
摘要
语义文本嵌入是一项基础的 NLP 任务，它将文本内容编码为向量表示，其中嵌入空间中的邻近度反映了语义相似性。虽然现有的嵌入模型在捕获一般含义方面表现出色，但它们往往忽略了意识形态上的细微差别，限制了它们在需要理解政治偏见的任务中的有效性。为了解决这一差距，我们引入了 PRISM，这是第一个旨在生成可解释政治偏见嵌入的框架。PRISM 在两个关键阶段运行：（1）争议话题偏见指标挖掘，从弱标记的新闻数据中系统地提取细粒度政治话题及其相应的偏见指标；以及（2）交叉编码器政治偏见嵌入，根据新闻文章与这些指标的对齐情况为其分配结构化的偏见分数。这种方法确保嵌入明确地与揭示偏见的维度相关联，增强了可解释性和预测能力。通过在两个大规模数据集上的广泛实验，我们证明了 PRISM 在政治偏见分类中优于最先进的文本嵌入模型，同时提供了高度可解释的表示，促进了多样化检索和意识形态分析。源代码可在 https://github.com/dukesun99/ACL-PRISM 获取。
引用
@article{arxiv.2505.24646,
title = {PRISM: A Framework for Producing Interpretable Political Bias Embeddings with Political-Aware Cross-Encoder},
author = {Yiqun Sun and Qiang Huang and Anthony K. H. Tung and Jun Yu},
journal= {arXiv preprint arXiv:2505.24646},
year = {2025}
}
备注
Accepted to ACL 2025