From Text to Context: An Entailment Approach for News Stakeholder Classification

要約

ニュース記事の複雑な状況をナビゲートするには、ニュース関係者と呼ばれる、関与するさまざまな関係者またはエンティティを理解する必要があります。
政策立案者から野党勢力、国民などに至るこれらの利害関係者は、ニュースの物語を形成する上で極めて重要な役割を果たしています。
ニュース コンテンツを微妙に理解するには、ステークホルダーの種類を認識し、その役割、政治的連携、社会的地位などを反映することが最も重要です。
ソーシャル メディア データを通じた顕著なエンティティの抽出、報道のバリエーション、政治的所属に焦​​点を当てた既存の研究にもかかわらず、ニュース コンテンツ内の利害関係者の役割の自動検出は依然として未開発の領域です。
このペーパーでは、ニュース記事内のステークホルダーのタイプを分類するための効果的なアプローチを導入することで、このギャップを埋めます。
私たちの方法では、ステークホルダーの分類問題を自然言語推論タスクに変換し、ニュース記事や外部の知識からのコンテキスト情報を利用してステークホルダーのタイプの検出の精度を高めます。
さらに、私たちが提案したモデルはゼロショット設定での有効性を示しており、多様なニュース状況への適用可能性をさらに拡張しています。

要約(オリジナル)

Navigating the complex landscape of news articles involves understanding the various actors or entities involved, referred to as news stakeholders. These stakeholders, ranging from policymakers to opposition figures, citizens, and more, play pivotal roles in shaping news narratives. Recognizing their stakeholder types, reflecting their roles, political alignments, social standing, and more, is paramount for a nuanced comprehension of news content. Despite existing works focusing on salient entity extraction, coverage variations, and political affiliations through social media data, the automated detection of stakeholder roles within news content remains an underexplored domain. In this paper, we bridge this gap by introducing an effective approach to classify stakeholder types in news articles. Our method involves transforming the stakeholder classification problem into a natural language inference task, utilizing contextual information from news articles and external knowledge to enhance the accuracy of stakeholder type detection. Moreover, our proposed model showcases efficacy in zero-shot settings, further extending its applicability to diverse news contexts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google