Predicting Sentence-Level Factuality of News and Bias of Media Outlets

要約

【タイトル】ニュースの真実度とマスメディアの偏りを予測する
【要約】自動ニュース信頼性評価や事実チェックにおいて、ニュース報道の真実度とメディアの偏見を予測することは重要である。これまでの研究では、ニュースの真実性にフォーカスしてきたが、本研究では、メディア全体の細かな信頼性分析を提案する。具体的には、ニュース報道における文章レベルの真実度とメディアの偏見を予測し、全体的な信頼性をより正確に説明することを目指す。まず、AllSidesからの真実度とメディアの偏見の定義に基づいて、6191の文がエキスパートにより注釈付けされた大規模なデータセット「FactNews」を手動で作成した。その結果、BERTのファインチューニングによる文レベルの真実度予測のベースラインモデルが提示された。最後に、ブラジルにおけるフェイクニュースと政治的な極化の深刻さに鑑みて、データセットとベースラインをポルトガル語に提案したが、このアプローチは他の言語にも適用することができる。

要約(オリジナル)

Predicting the factuality of news reporting and bias of media outlets is surely relevant for automated news credibility and fact-checking. While prior work has focused on the veracity of news, we propose a fine-grained reliability analysis of the entire media. Specifically, we study the prediction of sentence-level factuality of news reporting and bias of media outlets, which may explain more accurately the overall reliability of the entire source. We first manually produced a large sentence-level dataset, titled ‘FactNews’, composed of 6,191 sentences expertly annotated according to factuality and media bias definitions from AllSides. As a result, baseline models for sentence-level factuality prediction were presented by fine-tuning BERT. Finally, due to the severity of fake news and political polarization in Brazil, both dataset and baseline were proposed for Portuguese. However, our approach may be applied to any other language.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI