Encoding Social Information with Graph Convolutional Networks for Political Perspective Detection in News Media
利用图卷积网络对社会信息进行编码以检测新闻媒体中的政治视角
摘要
确定影响媒体讨论新闻事件方式的政治视角是一项重要而富有挑战性的任务。在这篇文章中,我们强调了社会信息语境化的重要性,捕捉到这些信息是如何在社会网络中传播的。我们使用最近提出的一种表示关系信息的神经网络结构-图卷积网络来捕捉这些信息,并表明即使很少的社会信息分类也可以得到显著的改进。
1介绍
在过去十年中,我们目睹了信息生成和传播方式的巨大变化。现在,社交平台不再是雇佣记者和事实核查员来确保其所提供信息的有效性的少数专门来源,而是为任何用户提供传播其内容的手段,导致报道新闻事件的信息渠道和文章数量急剧增加。作为这一过程的直接结果,所提供的信息往往是由它们的基本观点、兴趣和意识形态所决定的。例如,请看下面两段话,讨论一位民主党参议员对美国政府最近关门的评论。
尽管这两篇文章讨论的是同一事件,但它们的观点却大相径庭。第一个是直接报道评论,而第二个则关注对这些评论的负面反应。识别视角差异并使其明确化,有助于增强对新形成的信息景观的信任,并确保所有视角都能被表达出来。它也有助于自动检测虚假内容和谣言识别信息室,其中仅突出一个透视图
传统上,确定作者的观点是一个文本分类问题,重点关注表明作者偏见的语言指标或问题框架短语。这些指标可以有效地捕捉到意识形态文本中的偏见,例如政策文件或政治辩论,这些文本不试图掩盖他们的政治倾向,使用以主题为中心的词汇。确定作者在新闻叙述中的偏见可能更具挑战性。新闻文章,就其性质而言,涵盖了非常多的主题,从而形成了一个多样化和动态的词汇表,随着新事件的展开不断更新。此外,与纯政治文本不同的是,新闻叙事试图保持公信力,显得公正。因此,偏见以微妙的方式引入,通常是通过强调故事的不同方面。
我们在本文中的主要见解是,可以利用传播信息的社会背景来缓解这个问题,方法是为信息提供更好的表示,在无法直接监督的情况下,使用基于认可文本内容并传播信息的用户的远程监督源。最近几部关于社交网络信息传播分析的著作,重点分析了社交网络中新闻源和用户之间的互动。然而,考虑到这个领域的动态和经常是对抗性的背景,新闻文章的真实来源可能是隐藏的、未知的,或者通过采取不同的身份来掩盖。我们的重点不是分析文档的来源,而是使用社会信息,捕获信息在网络中的共享方式,帮助指导文本表示,并在对文本内容进行决策时提供额外的支持。
2
3
4
5