[논문 리뷰] Detecting Polarized Topics in COVID-19 News Using Partisanship-aware Contextualized Topic Embeddings

He Zhang, Negar Mokhberian외 3명|arXiv (Cornell University)|2021. 04. 15.

Social Media and Politics참고 문헌 30인용 수 5

한 줄 요약

이 논문은 파rt리산십 인식 기반의 컨텍스트 기반 주제 임베딩(PaCTE)을 제안한다. 이는 사전 훈련된 언어 모델을 미세조정하여 파rt리산십이 반영된 뉴스 자료에서 이념 인식 주제 표현을 생성하고, 코사인 유사도를 통해 극단화 수준을 측정하는 방법이다. 코로나19 뉴스에 적용한 결과, PaCTE는 다양한 뉴스 출처 간 주제적 극단화를 효과적으로 탐지하고 정량화할 수 있었으며, 도덕 기반 이론을 통해 검증되었다.

ABSTRACT

Growing polarization of the news media has been blamed for fanning disagreement, controversy and even violence. Early identification of polarized topics is thus an urgent matter that can help mitigate conflict. However, accurate measurement of polarization is still an open research challenge. To address this gap, we propose Partisanship-aware Contextualized Topic Embeddings (PaCTE), a method to automatically detect polarized topics from partisan news sources. Specifically, we represent the ideology of a news source on a topic by corpus-contextualized topic embedding utilizing a language model that has been finetuned on recognizing partisanship of the news articles, and measure the polarization between sources using cosine similarity. We apply our method to a corpus of news about COVID-19 pandemic. Extensive experiments on different news sources and topics demonstrate the effectiveness of our method to precisely capture the topical polarization and alignment between different news sources. To help clarify and validate results, we explain the polarization using the Moral Foundation Theory.

연구 동기 및 목표

• 코로나19 패닉과 같은 고위험 이벤트 기간 동안 뉴스 미디어의 극단화를 정확하게 측정하는 데 도전하는 것.
• 특정 주제에 대해 뉴스 출처 간 이념적 일치와 차이를 반영하는 방법을 개발하는 것.
• 사회적 갈등과 오락성 정보 확산을 막기 위해 극단화 주제를 조기에 탐지할 수 있도록 하는 것.
• 해석 가능성을 높이기 위해 도덕 기반 이론을 통합하여 극단화 탐지를 심리학 이론 기반으로 둔다.

제안 방법

• 뉴스 기사의 파rt리산십을 인식할 수 있도록 사전 훈련된 언어 모델을 미세조정하여, 이념 인식 기반 표현 학습을 가능하게 한다.
• 코퍼스 기반 컨텍스트를 반영한 주제 임베딩을 생성하여 주제 내용과 출처의 파rt리산십을 모두 인코딩한다.
• 주제 임베딩 간의 코사인 유사도를 사용해 뉴스 출처 간의 극단화 수준을 측정한다.
• 메타 분석을 위해 코로나19 팬데믹에 초점을 맞춘 다중 출처 뉴스 코퍼스를 활용하여 방법을 훈련하고 평가한다.
• 검출된 극단화 패턴을 해석하고 검증하기 위해 도덕 기반 이론을 적용한다.
• 컨텍스트 기반 임베딩을 활용해 간단한 키워드 매칭을 넘어서는 미묘한 이념적 차이를 포착한다.

실험 결과

연구 질문

• RQ1 PaCTE는 파rt리산십 있는 코로나19 뉴스 보도에서 극단화 주제를 얼마나 효과적으로 탐지할 수 있는가?
• RQ2 주제 임베딩은 뉴스 출처 간의 이념적 일치 또는 차이를 어느 정도 반영하는가?
• RQ3 도덕 기반 이론은 검출된 극단화 패턴을 의미 있는 프레임워크로 제공할 수 있는가?
• RQ4 다양한 뉴스 출처 간 극단화를 식별하는 데 있어 PaCTE는 기준 방법에 비해 어떻게 비교되는가?
• RQ5 어떤 특정 주제가 높은 수준의 극단화를 보이며, 도덕 기반과 어떻게 일치하는가?

주요 결과

• PaCTE는 다양한 뉴스 출처에서 높은 정밀도로 코로나19 뉴스의 극단화 주제를 성공적으로 식별하였다.
• 이론적 기대와 일치하게, 봉쇄 정책이나 백신 의무화와 같은 주제에서 뚜렷한 이념적 차이가 드러났다.
• 주제 임베딩 간 코사인 유사도가 극단화 수준을 효과적으로 정량화하였으며, 논란이 있는 문제에서 좌파 및 우파 성향 뉴스 출처 간 명확한 분리가 관찰되었다.
• 해로움/보살핌 및 공정성/도용과 같은 도덕 기반과 연관된 주제에서 극단화 수준이 더 높았으며, 이론적 기대와 일치하였다.
• 도덕 기반 이론의 통합은 설명 가능성을 향상시켜 검출된 극단화 패턴에 심리학적 기반을 제공하였다.
• 특히 주제 표현에서 미묘한 이념적 차이를 포착하는 데 있어, PaCTE는 기준 방법보다 뛰어난 성능을 보였다.