用于分析新闻媒极化现象的细微框架的弱监督学习
计算与语言
2020-09-22 v1 人工智能
计算机与社会
机器学习
摘要
在本文中，我们提出一种极小监督的方法来识别新闻文章中对政治分裂话题报道的细微框架。我们建议将 Boydstun 等人 2014 年提出的宽泛政策框架拆分为细粒度子框架，以更好地捕捉政治意识形态的差异。我们使用极小监督学习的所提子框架及其嵌入，在移民、枪支管制和堕胎三个话题上进行了评估。我们展示了这些子框架捕捉意识形态差异并分析新闻媒中政治话语的能力。
引用
@article{arxiv.2009.09609,
title = {Weakly Supervised Learning of Nuanced Frames for Analyzing Polarization in News Media},
author = {Shamik Roy and Dan Goldwasser},
journal= {arXiv preprint arXiv:2009.09609},
year = {2020}
}
备注
19 pages, 6 figures, Will appear in EMNLP 2020