[论文解读] 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 8

一句话总结

本文提出了一种统计学习方法，利用政党演讲和竞选宣言中的标准文本特征，以高于偶然水平的准确度预测政治偏见，包括政党归属和意识形态取向。通过将判别性特征与政党立场关联，并揭示积极情感与政治权力之间的强相关性，增强了模型的可解释性，相关成果通过一个新闻文章的网络应用得到展示。

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.

研究动机与目标

• 开发一种基于统计学习的自动化方法，利用文本特征预测媒体文本中的政治偏见。
• 通过将判别性文本特征与政党立场关联，提升偏见预测结果的可解释性。
• 探究政治文本中的情感与政治权力衡量指标之间的关系。
• 通过一个网络应用展示模型在实际应用中的有效性，该应用可预测如新闻文章等模糊偏见文本中的偏见。

提出的方法

• 从政党宣言和演讲中提取文本特征，如词频、n-gram和句法模式。
• 训练一个统计学习模型（例如逻辑回归或SVM），以根据政党归属和意识形态取向对文本进行分类。
• 分析判别性特征，识别与特定意识形态取向相关的语言模式。
• 计算情感特征（例如正向/负向情感得分），并将其与外部政治权力衡量指标进行相关性分析。
• 构建一个网络应用，将训练好的模型应用于现实世界文本（如新闻文章），其中偏见不明确。
• 通过特征重要性与情感趋势可视化和解释模型预测结果。

实验结果

研究问题

• RQ1 能否仅使用政党文件中的标准文本特征，以高于偶然水平的准确度预测文本中的政治偏见？
• RQ2 哪些文本特征最能判别文本的政治取向？
• RQ3 政治文本中的情感与说话人或政党的政治权力之间有何关系？
• RQ4 在多大程度上可以通过语言学和情感分析解释模型预测结果？
• RQ5 该模型能否有效应用于新闻文章等现实世界媒体内容，其中偏见不甚明显？

主要发现

• 该模型在预测政治偏见方面实现了高于偶然水平的准确度，表明政治取向可从文本特征中可靠推断。
• 预测错误具有可解释性，通常与政党政策随时间的变化有关。
• 判别性文本特征与特定政党的政治立场具有有意义的关联，从而增强了模型的可解释性。
• 政治文本的情感与说话人或政党所掌握的政治权力之间存在强烈的正相关性。
• 网络应用成功展示了模型在预测新闻文章等文本中偏见的实用性，这些文本的政治取向并不立即明显。
• 情感分析显示，政治影响力更强的行动者更倾向于使用更积极的语言，表明存在一种与制度影响力相关的语言模式。