[論文レビュー] Automating Political Bias Prediction.

Felix Bießmann|arXiv (Cornell University)|Aug 7, 2016

Computational and Text Analysis Methods参考文献 5被引用数 8

ひとこと要約

この論文は、政治的政党の演説および政権公約から得られる標準的なテキスト特徴量を用いて、政党所属および思想的傾向という観点から政治的バイアスを予測する統計的学習手法を提案している。本手法は、特徴量と政党の立場を関連付けることで解釈可能性を向上させ、ニュース記事の文脈において、肯定的センチメントと政治的権力の強い相関関係を示すウェブアプリケーションを通じて検証されている。

ABSTRACT

Every day media generate large amounts of text. An unbiased view on media reports requires an understanding of the political bias of media content. Assistive technology for estimating the political bias of texts can be helpful in this context. This study proposes a simple statistical learning approach to predict political bias from text. Standard text features extracted from speeches and manifestos of political parties are used to predict political bias in terms of political party affiliation and in terms of political views. Results indicate that political bias can be predicted with above chance accuracy. Mistakes of the model can be interpreted with respect to changes of policies of political actors. Two approaches are presented to make the results more interpretable: a) discriminative text features are related to the political orientation of a party and b) sentiment features of texts are correlated with a measure of political power. Political power appears to be strongly correlated with positive sentiment of a text. To highlight some potential use cases a web application shows how the model can be used for texts for which the political bias is not clear such as news articles.

研究の動機と目的

• テキスト特徴量を用いた統計的学習に基づき、メディアテキストにおける政治的バイアスを自動で予測する手法を開発すること。
• 特徴量と政党の立場を関連付けることで、バイアス予測の解釈可能性を向上させること。
• 政治的テキストにおけるセンチメントと政治的権力の指標との関係を調査すること。
• ニュース記事のようにバイアスが不明瞭な文書に対して、実用的有効性を示すウェブアプリケーションを通じて実装すること。

提案手法

• 政党の公約および演説から、語の頻度、n-gram、構文的パターンなどのテキスト特徴量が抽出される。
• ロジスティック回帰やSVMなどの統計的学習モデルが、テキストの政党所属および思想的傾向を分類するために訓練される。
• 判別的特徴量が分析され、特定の政治的傾向と関連する言語的パターンが同定される。
• 肯定的・否定的センチメントスコアなどのセンチメント特徴量が計算され、外部の政治的権力指標と相関分析される。
• 訓練済みモデルを実世界のテキスト（例：ニュース記事）に適用できるウェブアプリケーションが構築される。
• 特徴量の重要度およびセンチメントの傾向を用いて、モデルの予測結果を可視化および説明する。

実験結果

リサーチクエスチョン

• RQ1 政党文書からの標準的テキスト特徴量を用いて、テキストの政治的バイアスを上記の確率を超える精度で予測できるか？
• RQ2 テキストの政治的傾向を特定する際に、どのテキスト特徴量が最も判別的か？
• RQ3 政治的テキストにおけるセンチメントは、発言者または政党の政治的権力とどのように関係しているか？
• RQ4 言語的分析およびセンチメント分析を通じて、モデルの予測結果をどの程度解釈可能かつ説明可能にできるか？
• RQ5 本モデルは、バイアスが明確でない実世界のメディアコンテンツ（例：ニュース記事）に効果的に適用できるか？

主な発見

• モデルは、政治的バイアスの予測において上記の確率を超える精度を達成しており、政治的傾向がテキスト特徴量から信頼性を持って推定可能であることを示している。
• 予測誤りは解釈可能であり、しばしば政党の政策が時間経過とともに変化したことに起因している。
• 判別的テキスト特徴量は、特定の政党の政治的立場と意味的に関連しており、モデルの解釈可能性が向上している。
• 政治的テキストのセンチメントと発言者または政党が保有する政治的権力のレベルとの間に強い正の相関関係が確認された。
• ウェブアプリケーションは、政治的傾向がすぐに明らかでないようなニュース記事のようなテキストに対して、モデルの実用的有効性を効果的に示している。
• センチメント分析により、より強い政治的影響力を持つ政治的主体からのテキストは肯定的言語を多く用いていることが判明し、制度的影響力と関連する言語的パターンが示された。