写了什么与谁在读：基于文本分析与社交媒体语境的新闻媒体画像
计算与语言
2020-05-12 v1 信息检索
机器学习
摘要
预测整个新闻机构的政治偏见与报道真实性是媒体画像的关键要素，这是一个研究不足但日益重要的研究方向。当前网络上虚假、有偏见和宣传性内容的泛滥，使得无论是人工还是自动地核查每一个可疑说法都变得不可能。作为替代，我们可以对整类新闻机构做画像，并寻找那些可能发布虚假或有偏见内容的机构。这种方法使得在“假新闻”发布的瞬间即可通过简单核查其来源可靠性来检测其可能性。从实践角度看，政治偏见与报道真实性既有语言层面的维度，也有社会语境的维度。本文研究二者的影响，即(i)写了什么（即目标媒体发布了什么，以及其如何在Twitter上自我描述）与(ii)谁在读（即分析目标媒体在Facebook、Twitter和YouTube上的读者）。我们进一步研究(iii)Wikipedia上关于目标媒体写了什么。评估结果表明，写了什么最为重要，且将所有信息源结合起来相比当前最先进水平（SOTA）带来了巨大提升。
引用
@article{arxiv.2005.04518,
title = {What Was Written vs. Who Read It: News Media Profiling Using Text Analysis and Social Media Context},
author = {Ramy Baly and Georgi Karadzhov and Jisun An and Haewoon Kwak and Yoan Dinkov and Ahmed Ali and James Glass and Preslav Nakov},
journal= {arXiv preprint arXiv:2005.04518},
year = {2020}
}
备注
Factuality of reporting, fact-checking, political ideology, media bias, disinformation, propaganda, social media, news media