DocNet: Semantic Structure in Inductive Bias Detection Models

要約

人々が意見を持つ限り、ニュースには偏りがある。ソーシャルメディアがニュースの主要な入り口となり、党派的な相違が増えるにつれ、情報に敏感な市民が偏向を認識できることがますます重要になっている。もし人々が自分たちが消費するニュースの偏りを認識すれば、偏向的なエコーチェンバーを避けるために行動を起こすことができるだろう。本稿では、メディアにおける偏向検出の見落とされがちな側面、すなわちニュース記事の意味構造を探る。本稿では、新しい、帰納的で低リソースの文書埋め込みと政治的偏向検出モデルであるDocNetを紹介する。また、文書レベルのグラフ埋め込みで表現される、対立する政治的立場のニュース記事の意味構造が、大きな類似性を持つことを実証する。DocNetは事前に訓練された言語モデルの必要性を回避し、同等の性能を達成しながらリソース依存を低減する。DocNetは低リソース環境における政治的バイアスの検出を促進するために利用できる。私たちのコードとデータは、https://anonymous.4open.science/r/DocNet/ で利用可能です。

要約(オリジナル)

News will be biased so long as people have opinions. As social media becomes the primary entry point for news and partisan differences increase, it is increasingly important for informed citizens to be able to recognize bias. If people are aware of the biases of the news they consume, they will be able to take action to avoid polarizing echo chambers. In this paper, we explore an often overlooked aspect of bias detection in media: the semantic structure of news articles. We present DocNet, a novel, inductive, and low-resource document embedding and political bias detection model. We also demonstrate that the semantic structure of news articles from opposing political sides, as represented in document-level graph embeddings, have significant similarities. DocNet bypasses the need for pre-trained language models, reducing resource dependency while achieving comparable performance. It can be used to advance political bias detection in low-resource environments. Our code and data are made available at: https://anonymous.4open.science/r/DocNet/

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL