[논문 리뷰] Automating Political Bias Prediction.

Felix Bießmann|arXiv (Cornell University)|2016. 08. 07.

Computational and Text Analysis Methods참고 문헌 5인용 수 8

한 줄 요약

이 논문은 정당의 연설문과 공약에서 표준 텍스트 특징을 사용하여 정당 소속과 이념적 성향 측면에서 정치적 편향을 상당한 정확도로 예측하는 통계학적 학습 접근법을 제안한다. 분류된 특징을 정당의 입지와 연결함으로써 해석 가능성을 향상시키고, 긍정적 정서와 정치적 권력 간의 강력한 상관관계를 입증하며, 뉴스 기사와 같은 텍스트에 적용 가능한 웹 애플리케이션을 통해 이를 실증한다.

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.

연구 동기 및 목표

• 텍스트적 특징을 기반으로 통계학적 학습을 활용해 미디어 텍스트의 정치적 편향을 자동으로 예측하는 방법을 개발하는 것.
• 분류된 텍스트 특징을 정당의 정치적 입지와 연결함으로써 편향 예측의 해석 가능성을 향상시키는 것.
• 정치적 텍스트의 정서와 정치적 권력 측정치 간의 관계를 조사하는 것.
• 뉴스 기사처럼 편향이 모호한 텍스트에 대해 모델의 실용적 유용성을 웹 애플리케이션을 통해 입증하는 것.

제안 방법

• 정당 공약과 연설문에서 단어 빈도, n-그램, 문법적 패턴 등의 텍스트 특징을 추출한다.
• 정당 소속과 이념적 성향을 분류하기 위해 통계학적 학습 모델(예: 로지스틱 회귀 또는 서포트 벡터 머신)을 훈련시킨다.
• 특징의 분류 능력을 분석하여 특정 정치적 성향과 관련된 언어 패턴을 규명한다.
• 정서 특징(예: 긍정/부정 정서 점수)을 계산하고 외부 정치적 권력 측정치와 상관관계를 분석한다.
• 실세계 텍스트(예: 뉴스 기사)에 모델을 적용하기 위해 웹 애플리케이션을 구축한다.
• 특징 기여도와 정서 추세를 활용해 모델 예측 결과를 시각화하고 설명한다.

실험 결과

연구 질문

• RQ1 정당 문서에서 표준 텍스트 특징을 사용해 정치적 편향을 상당한 정확도로 예측할 수 있는가?
• RQ2 특정 정치적 성향을 식별하는 데 가장 분류 능력이 높은 텍스트 특징은 무엇인가?
• RQ3 정치적 텍스트의 정서는 발언자 또는 정당의 정치적 권력과 어떻게 관련이 있는가?
• RQ4 언어학적 분석과 정서 분석을 통해 모델의 예측 결과를 어느 정도 해석하고 설명할 수 있는가?
• RQ5 뉴스 기사처럼 편향이 명확하지 않은 실세계 미디어 콘텐츠에 대해 모델을 효과적으로 적용할 수 있는가?

주요 결과

• 모델은 정치적 편향 예측에서 상당한 정확도를 달성하여, 텍스트적 특징을 통해 정치적 성향을 신뢰성 있게 추론할 수 있음을 입증한다.
• 예측 오류는 이해 가능하며, 일반적으로 정당의 정책 변화와 관련이 있다.
• 분류 능력이 높은 텍스트 특징은 특정 정당의 정치적 입지와 의미 있는 관련성을 가지며, 모델의 해석 가능성을 향상시킨다.
• 정치적 텍스트의 정서와 발언자 또는 정당의 정치적 권력 수준 간에 강력한 정적 상관관계가 존재한다.
• 웹 애플리케이션은 뉴스 기사처럼 정치적 성향이 즉각적으로 드러나지 않는 텍스트에 대해 모델의 실용성을 성공적으로 입증한다.
• 정서 분석 결과, 더 강력한 정치적 행위자가 사용하는 텍스트는 보통 더 긍정적인 언어를 더 많이 사용하는 경향이 있으며, 이는 제도적 영향력과 관련된 언어 패턴을 시사한다.