توسعه یک مدل درک زبان طبیعی برای مشخص کردن سوگیری اخبار کابلی

این مقاله در Arxiv تحت مجوز CC 4.0 در دسترس است.

نویسندگان:

(1) ست پی بنسون، دانشگاه کارنگی ملون (ایمیل: [email protected])

(2) Iain J. Cruickshank، آکادمی نظامی ایالات متحده (ایمیل: [email protected])

چکیده و مقدمه

تحقیقات مرتبط

روش شناسی

نتایج

بحث

نتیجه گیری و مراجع

خلاصه

سوگیری رسانه ای به طور گسترده توسط علوم اجتماعی و محاسباتی مورد مطالعه قرار گرفته است. با این حال، کار فعلی هنوز هم به ورودی های انسانی و ارزیابی ذهنی برای برچسب زدن سوگیری ها وابسته است. این امر به ویژه برای تحقیقات خبری کابلی صادق است. برای پرداختن به این مسائل، ما یک روش یادگیری ماشینی بدون نظارت را برای مشخص کردن سوگیری برنامه‌های خبری کابلی بدون هیچ گونه ورودی انسانی توسعه می‌دهیم. این روش متکی بر تجزیه و تحلیل موضوعاتی است که از طریق شناسایی موجودیت نام‌گذاری شده و اینکه چگونه آن موضوعات از طریق تحلیل موضعی مورد بحث قرار می‌گیرند، به منظور خوشه‌بندی برنامه‌هایی با سوگیری‌های مشابه با یکدیگر.

با اعمال روش ما در رونوشت‌های اخبار کابلی ۲۰۲۰، متوجه می‌شویم که خوشه‌های برنامه در طول زمان ثابت هستند و تقریباً با شبکه خبری کابلی برنامه مطابقت دارند. این روش پتانسیل ابزارهای آینده را برای ارزیابی عینی سوگیری رسانه ها و توصیف محیط های رسانه ای ناآشنا نشان می دهد.

شرایط صفحه اول درک زبان طبیعی، …