新闻中面向目标感知的上下文政治偏见检测
计算与语言
2023-10-03 v1
摘要
媒体偏见检测需要综合整合来自多个新闻来源的信息。新闻中句子级政治偏见检测也不例外，且已被证明是一项需要在上下文考量下理解偏见的艰巨任务。受人类展现出不同程度写作风格、从而产生具有不同局部与全局上下文的多样化表述这一事实的启发，先前媒体偏见检测的工作提出了利用该事实的增强技术。尽管它们取得了成功，我们观察到这些技术因过度泛化偏见上下文边界而引入噪声，从而阻碍了性能。为缓解此问题，我们提出以偏见敏感、目标感知的方法更谨慎地搜索上下文用于数据增强的技术。在知名 BASIL 数据集上的全面实验表明，当与 BERT 等预训练模型结合时，我们的增强技术带来了最先进的结果。我们的方法显著优于先前方法，在最优偏见检测任务上获得了 58.15 的 F1 分数。
引用
@article{arxiv.2310.01138,
title = {Target-Aware Contextual Political Bias Detection in News},
author = {Iffat Maab and Edison Marrese-Taylor and Yutaka Matsuo},
journal= {arXiv preprint arXiv:2310.01138},
year = {2023}
}
备注
11 pages, 3 figures, conference paper accepted in IJCNLP-AACL 2023 but will get published after Nov 4th Bali conference