[论文解读] Detecting Polarized Topics in COVID-19 News Using Partisanship-aware Contextualized Topic Embeddings

He Zhang, Negar Mokhberian+3 more|arXiv (Cornell University)|Apr 15, 2021

Social Media and Politics参考文献 30被引用 5

一句话总结

本文提出了一种政党倾向感知的上下文主题嵌入方法（PaCTE），该方法利用微调的语言模型从政党倾向明显的新闻来源生成具有意识形态意识的主题表征，并通过余弦相似度衡量极化程度。该方法在新冠状病毒病新闻中的应用有效检测并量化了不同新闻源之间的主题极化，其结果通过道德基础理论得到了验证。

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.

研究动机与目标

• 为解决在高影响力事件（如新冠状病毒病大流行）期间准确衡量新闻媒体极化的问题。
• 开发一种能够捕捉特定主题下新闻来源之间意识形态一致性和差异性的方法。
• 实现对极化主题的早期检测，以减轻社会冲突和错误信息传播。
• 通过整合道德基础理论，将极化检测建立在心理学理论基础上，以增强可解释性。

提出的方法

• 微调预训练语言模型以识别新闻文章中的政党倾向，从而实现具有意识形态意识的表征学习。
• 生成基于语料库上下文的主题嵌入，以同时编码主题内容和来源的政党倾向。
• 通过比较不同新闻来源主题嵌入之间的余弦相似度来衡量其极化程度。
• 使用聚焦于新冠状病毒病大流行的多源新闻语料库来训练和评估该方法。
• 应用道德基础理论来解释和验证检测到的极化模式。
• 利用上下文嵌入捕捉超越简单关键词匹配的细微意识形态差异。

实验结果

研究问题

• RQ1 PaCTE在检测新冠状病毒病大流行期间政党倾向新闻报道中的极化主题方面效果如何？
• RQ2 主题嵌入在多大程度上反映了新闻来源之间的意识形态一致性或分歧？
• RQ3 道德基础理论能否为检测到的极化现象提供有意义的解释框架？
• RQ4 PaCTE与基线方法相比，在识别多样化新闻来源中的极化现象时表现如何？
• RQ5 哪些具体主题表现出高水平的极化？它们与道德基础如何对应？

主要发现

• PaCTE在新冠状病毒病新闻中成功识别出极化主题，具有高精度，在多样化新闻来源中表现出色。
• 该方法揭示了在封锁政策和疫苗强制接种等议题上存在显著的意识形态分歧，与观察到的媒体政党倾向一致。
• 主题嵌入之间的余弦相似度能有效量化极化程度，显示出在争议性问题上左倾与右倾来源之间明显的分离。
• 与道德基础（如伤害/关怀和公平/欺骗）相关的主题表现出更高的极化程度，与理论预期相符。
• 整合道德基础理论增强了可解释性，为检测到的极化模式提供了心理学依据。
• PaCTE在检测极化方面优于基线方法，尤其在捕捉主题表征中细微的意识形态差异方面表现更优。