[논문 리뷰] Knowledge Graph Augmented Political Perspective Detection in News Media.

Shangbin Feng, Zilong Chen외 2명|arXiv (Cornell University)|2021. 08. 09.

Topic Modeling참고 문헌 46인용 수 6

한 줄 요약

이 논문은 뉴스 미디어에서 정치적 시각 탐지에 지식 그래프를 보완하는 방법을 제안하며, 기사의 의미적 특징과 외부 정치 지식을 통합한 이종 정보 네트워크를 구축한다. 1,071개의 실체와 10,703개의 삼중항을 포함한 지식 그래프에서 게이트드 관계 기반 그래프 컨볼루션 신경망(G-GCN)을 적용한 결과, 최신 기술 대비 5.49% 향상된 성능을 달성하였다.

ABSTRACT

Identifying political perspective in news media has become an important task due to the rapid growth of political commentary and the increasingly polarized ideologies. Previous approaches only focus on leveraging the semantic information and leaves out the rich social and political context that helps individuals understand political stances. In this paper, we propose a perspective detection method that incorporates external knowledge of real-world politics. Specifically, we construct a contemporary political knowledge graph with 1,071 entities and 10,703 triples. We then build a heterogeneous information network for each news document that jointly models article semantics and external knowledge in knowledge graphs. Finally, we apply gated relational graph convolutional networks and conduct political perspective detection as graph-level classification. Extensive experiments show that our method achieves the best performance and outperforms state-of-the-art methods by 5.49%. Numerous ablation studies further bear out the necessity of external knowledge and the effectiveness of our graph-based approach.

연구 동기 및 목표

• 기존 정치적 시각 탐지 방법이 현실 세계의 정치적 및 사회적 맥락을 반영하지 못하는 한계를 해결하기 위해.
• 정렬된 정치 지식 그래프에서의 외부 지식 통합을 통해 입장 탐지 정확도를 향상시키기 위해.
• 이종 정보 네트워크를 통해 뉴스 기사의 의미적 특징과 외부 정치 실체를 공동 표현하기 위해.
• 그래프 기반 방법이 정치 실체 간 복잡한 관계를 어떻게 포착하는지 평가하기 위해.
• 외부 지식이 정치적 시각 탐지 작업에서 모델 성능을 크게 향상시킨다는 것을 입증하기 위해.

제안 방법

• 실제 세계의 정치 관계와 사실을 반영하는 1,071개의 실체와 10,703개의 삼중항을 포함한 현대 정치 지식 그래프 구축.
• 각 뉴스 문서별로 텍스트 의미적 특징과 지식 그래프의 노드 및 간선을 통합한 이종 정보 네트워크 구성.
• 이종 네트워크에서 문맥적 표현을 학습하기 위해 게이트드 관계 기반 그래프 컨볼루션 신경망(G-GCN) 적용.
• 정점 수준의 분류를 위해 그래프 수준 분류를 위한 엔드 투 엔드 학습 수행.
• 정점 간 관계의 중요도에 따라 동적으로 가중치를 설정하기 위해 G-GCN에 주의 메커니즘 사용.
• 차별 가능한 손실 함수를 사용해 노드 표현과 그래프 수준 분류를 함께 최적화.

실험 결과

연구 질문

• RQ1 외부 정치 지식을 통합할 경우 정치적 시각 탐지 성능 향상 정도는 어느 정도인가?
• RQ2 이종 정보 네트워크가 뉴스 의미적 특징과 정치 지식 간 상호작용을 얼마나 효과적으로 모델링하는가?
• RQ3 표준 GNN에 비해 게이트드 관계 기반 그래프 컨볼루션 신경망이 정치적 입장 탐지에서 관계 패턴을 더 잘 포착할 수 있는가?
• RQ4 지식 그래프와 그래프 수준 분류와 같은 제안된 프레임워크의 개별 구성 요소가 각각 기여도는 어떠한가?
• RQ5 모델은 다양한 정치적 입장과 뉴스 출처 간에 어떻게 일반화되는가?

주요 결과

• 제안된 방법은 최신 기술 기준 대비 정치적 시각 탐지 정확도에서 5.49%p의 절대적 향상을 달성하였다.
• 제거 실험 결과 외부 지식 통합이 모델 성능을 크게 향상시킴을 확인하여 그 필요성을 입증하였다.
• 이종 정보 네트워크가 의미적 및 관계적 맥락을 효과적으로 포착하여 분류의 강건성을 향상시켰다.
• 게이트드 관계 기반 그래프 컨볼루션 신경망은 관계별 메시지 전달 방식을 적응적으로 학습하여 표준 GCN보다 우수한 성능을 보였다.
• 지식 그래프 구축 과정이 대규모로 관련 정치 실체와 그 상호관계를 성공적으로 포착하였다.
• 다양한 뉴스 출처와 정치적 입장 간에 강력한 일반화 능력을 보이며, 일관된 성능 향상으로 이를 입증하였다.