利用新闻标题刻画新闻传播障碍

新闻标题可作为检测新闻媒体中新闻传播障碍的良好数据源，这在许多现实世界应用中可能有用。在本文中，我们通过基于推理的模型 COMET 的语义知识和新闻标题的情感来进行障碍分类。我们考虑了五种障碍，包括文化、经济、政治、语言和地理障碍，以及不同类型的新闻标题，包括健康、体育、科学、娱乐、游戏、家居、社会、购物、计算机和商业。为此，我们利用新闻发布者的元数据自动收集并标注新闻标题的障碍。然后，我们利用提取的常识推理与情感作为特征来检测新闻传播障碍。我们将我们的方法与经典文本分类方法、深度学习和基于 transformer 的方法进行比较。结果表明，所提出的利用基于推理的语义知识和情感的方法在分类新闻传播障碍方面优于常规方法（对于文化、经济、政治和地理障碍，十类平均 F1 分数分别从 0.41、0.39、0.59 和 0.59 提升至 0.47、0.55、0.70 和 0.76）。