追踪公共文档的新闻价值

记者必须在海量文本数据（如泄密文件、法案、新闻稿）中寻找报道线索，这是其工作的一部分：确定文本何时以及为何成为新闻，有助于我们理解报道模式并构建辅助工具。然而这颇具挑战，因为标注的关联数据极少、不同语料间的语言使用差异巨大，且文本可能因多种原因被报道。本文关注《旧金山纪事报》对旧金山湾区地方公共政策的报道。首先，我们收集新闻文章、公共政策文档和会议录音，并利用概率关系建模将它们关联起来，结果表明这是一种低标注量的关联方法，优于其他基于检索的基线。其次，我们定义了一项新任务：新闻价值预测，用于预测某项政策条目是否会被报道。我们展示了公共政策讨论的不同方面会产生不同的新闻价值信号。最后，我们与资深记者进行了人工评估，结果表明我们的系统以 68% 的 F1 值识别出他们认为有新闻价值的政策，且我们的报道推荐以 84% 的胜率被证明是有帮助的。