[论文解读] When no news is bad news -- Detection of negative events from news media content

Kristoffer Laigaard Nielbo, Haestrup, Frida+4 more|arXiv (Cornell University)|Feb 12, 2021

Advanced Text Analysis Techniques参考文献 15被引用 4

一句话总结

本文提出了一种基于新闻媒体内容中提取的异常度与共振信号的贝叶斯变点检测方法，用于识别负面事件，例如新冠疫情期间首轮疫情的封锁开始与结束。通过在LDA嵌入文章上使用Jensen–Shannon散度建模信息动态，该方法成功检测到两个显著变点——封锁与开放，且得到多家丹麦报纸的强有力支持。

ABSTRACT

During the first wave of Covid-19 information decoupling could be observed in the flow of news media content. The corollary of the content alignment within and between news sources experienced by readers (i.e., all news transformed into Corona-news), was that the novelty of news content went down as media focused monotonically on the pandemic event. This all-important Covid-19 news theme turned out to be quite persistent as the pandemic continued, resulting in the, from a news media's perspective, paradoxical situation where the same news was repeated over and over. This information phenomenon, where novelty decreases and persistence increases, has previously been used to track change in news media, but in this study we specifically test the claim that new information decoupling behavior of media can be used to reliably detect change in news media content originating in a negative event, using a Bayesian approach to change point detection.

研究动机与目标

• 测试新闻信息解耦（NID）行为——以新颖度降低和共振度增加为特征——是否能可靠地指示重大负面事件（如大流行封锁）的开始与结束。
• 开发并验证一种贝叶斯变点检测框架，以识别危机期间新闻内容动态的时间转变。
• 评估NID模式在多种丹麦报纸（包括大报与小报）中的一致性。
• 量化信息论信号（异常度与共振度）在新冠疫情期间如何反映媒体内容的结构性转变。
• 提供一种可复现、数据驱动的方法，通过媒体内容分析检测重大的社会中断事件。

提出的方法

• 构建了2019年12月至2020年7月期间丹麦报纸文章的词袋（BoW）表示，排除广告，并通过词形还原与全小写化对文本进行归一化。
• 应用潜在狄利克雷分配（LDA）生成文章的低秩稠密向量表示，以供后续分析。
• 将异常度定义为某篇文章与其前w=7篇文章之间的平均Jensen–Shannon散度：$\mathbb{N}_{w}(j) = \frac{1}{w}\sum_{d=1}^{w} JSD(s^{(j)} \mid s^{(j-d)})$。
• 将共振度计算为异常度与瞬时性之差：$\mathbb{R}_{w}(j) = \mathbb{N}_{w}(j) - \mathbb{T}_{w}(j)$，其中瞬时性$\mathbb{T}_{w}(j)$衡量与未来内容的符合程度。
• 采用具有正态似然和半柯西先验的贝叶斯分层模型，对异常度时间序列中的变点$\tau_1$与$\tau_2$进行估计，假设存在三个不同状态。
• 在PyMC3中使用NUTS采样，共生成4000个样本，以推断变点、均值与方差的后验分布，对$\tau_1$与$\tau_2$使用均匀先验，对$\mu_i$与$\sigma$使用弱信息先验。

实验结果

研究问题

• RQ1 在重大负面事件（如新冠疫情期间）期间，是否能可靠检测到新闻信息解耦（NID）行为——以新颖度下降和共振度上升为标志？
• RQ2 多家丹麦报纸是否在异常度与共振度信号中表现出与官方封锁和解封阶段相对应的稳定时间变点？
• RQ3 贝叶斯变点检测模型在多大程度上能准确识别基于异常度信号的疫情相关媒体动态转变的开始与结束？
• RQ4 在重大社会中断事件前后，异常度与共振度之间的关系是否保持稳定，且能否用于预测变点？
• RQ5 在大流行第一波期间，不同报纸类型（大报与小报）在NID响应模式上表现如何比较？

主要发现

• 贝叶斯变点检测模型在多份丹麦报纸中高置信度地成功识别出异常度中的两个显著变点——封锁与开放。
• 七家报纸中的五家（Berlingske、Jyllands-Posten、Kristligt Dagblad、Politiken以及一家未命名来源）支持NID原则，显示封锁期间异常度明显下降、共振度明显上升。
• 报纸Berlingske的NID开始于2020年3月3日，结束于2020年4月28日，处于94%最高密度区间内。
• 模型检测到封锁期间异常度显著下降、共振度上升，开放阶段后恢复至基线水平，证实了NID假设。
• 异常度与共振度关系在封锁前与开放后阶段表现出强而稳定的斜率（$\beta_1$），表明在干扰窗口之外信息动态保持一致。
• 该方法在不同媒体机构中表现出稳健性，尽管出版类型与受众存在差异，但变点的时间对齐高度一致。