危机中谁指责谁？利用神经网络从新闻文章中检测指责关系
计算与语言
2019-04-25 v1
摘要
指责博弈往往紧随重大突发事件而来，无论是金融危机、自然灾害还是恐怖袭击。研究指责博弈如何演变并塑造主导的危机叙事具有重要意义，因为意义建构过程会影响监管结果、社会等级和文化规范。然而，社会科学家手动审阅每篇相关新闻文章并提取指责关系（A指责B）需要耗费大量时间和精力。在本研究中，我们定义了一项新任务——指责关系抽取，并基于《纽约时报》《华尔街日报》和《今日美国》构建了与美国金融危机（2007–2010）相关的新数据集。我们构建了一个双向长短期记忆（BiLSTM）网络来处理实体出现的上下文，并学习在文档层面自动抽取此类指责关系。借助GloVe和ELMo等大型无监督模型，我们的最佳模型在测试集上取得了70%的F1分数，使其成为社会科学家更高效抽取指责关系的有用工具。
引用
@article{arxiv.1904.10637,
title = {Who Blames Whom in a Crisis? Detecting Blame Ties from News Articles Using Neural Networks},
author = {Shuailong Liang and Olivia Nicol and Yue Zhang},
journal= {arXiv preprint arXiv:1904.10637},
year = {2019}
}
备注
AAAI 2019 Long Paper