[論文レビュー] Knowledge Graph Augmented Political Perspective Detection in News Media.

Shangbin Feng, Zilong Chen+2 more|arXiv (Cornell University)|Aug 9, 2021

Topic Modeling参考文献 46被引用数 6

ひとこと要約

本稿では、記事の意味情報を外部の政治的知識と統合する異種情報ネットワークを構築することで、ニュースメディアにおける政治的立場検出のための知識グラフ拡張手法を提案する。1,071のエンティティと10,703の三項組を含む知識グラフ上でゲート付き関係的グラフ畳み込みネットワークを適用した結果、最先端手法よりも5.49%の向上を達成した。

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.

研究の動機と目的

• 既存の政治的立場検出手法が、現実の政治的・社会的文脈を統合しないで単に意味特徴に依存しているという限界を解決すること。
• キュレートされた政治的知識グラフからの外部知識を統合することで、ステークホルダの立場検出精度を向上させること。
• 異種情報ネットワークを用いて、ニュース記事の意味と外部の政治的エンティティの共同表現をモデル化すること。
• グラフベースの手法が、政治的エンティティとニュースコンテンツの間の複雑な関係をどのように捉えられるかを評価すること。
• 外部知識が政治的立場検出タスクにおけるモデル性能を顕著に向上させることを実証すること。

提案手法

• 現実の政治的関係と事実を表す1,071のエンティティと10,703の三項組を含む現代的かつ包括的な政治的知識グラフの構築。
• 各ニュースドキュメントごとに、テキストの意味と知識グラフからのノードおよびエッジを統合した異種情報ネットワークの構築。
• 異種ネットワークからの文脈表現を学習するために、ゲート付き関係的グラフ畳み込みネットワーク（G-GCN）の適用。
• 政治的立場を予測するためのグラフレベル分類をエンドツーエンドで訓練。
• G-GCNにおけるアテンション機構を用いて、政治的立場に関連する関係に基づき、エンティティ間の関係の重みを動的に調整。
• 微分可能な損失関数を用いて、ノード表現とグラフレベル分類の共同最適化。

実験結果

リサーチクエスチョン

• RQ1 外部政治的知識を統合することで、政治的立場検出の性能はどの程度向上するか？
• RQ2 異種情報ネットワークは、ニュースの意味と政治的知識の相互作用をどの程度効果的にモデル化できるか？
• RQ3 ゲート付き関係的グラフ畳み込みネットワークは、標準的なGNNと比較して、政治的ステークホルダ検出における関係パターンをよりよく捉えられるか？
• RQ4 本フレームワークの個々の構成要素（例：知識グラフ、グラフレベル分類）が果たす寄与度は何か？
• RQ5 本モデルは、多様な政治的立場とニュースソースに対してどの程度一般化できるか？

主な発見

• 提案手法は、最先端のベースラインと比較して、政治的立場検出の精度で5.49%の絶対的向上を達成した。
• アブレーションスタディの結果、外部知識の統合がモデル性能を顕著に向上させることを確認し、その必要性を裏付けた。
• 異種情報ネットワークは意味的および関係的文脈を効果的に捉えており、分類のロバスト性を向上させた。
• ゲート付き関係的グラフ畳み込みネットワークは、関係固有のメッセージパッシングを適応的に学習することで、標準的なGCNを上回った。
• 知識グラフの構築プロセスは、スケール的にも関連する政治的エンティティとその相互関係を的確に捉えることに成功した。
• 多様なニュースソースと政治的立場に対して、一貫した性能向上を示すことで、モデルの強い一般化能力を実証した。