コントラスト学習と文明グラフネットワークによる情報Bias検出のためのマルチレベルコンテキストのモデリング【JST・京大機械翻訳】

Guo Shijia; Zhu Kenny Q.

プレプリント

J-GLOBAL ID：202202213138628122 整理番号：22P0279536

コントラスト学習と文明グラフネットワークによる情報Bias検出のためのマルチレベルコンテキストのモデリング【JST・京大機械翻訳】

Modeling Multi-level Context for Informational Bias Detection by Contrastive Learning and Sentential Graph Network

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月25日プレプリントサーバーでの情報更新日： 2022年01月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

情報バイアスはニュース記事で広く存在する。特定の解釈を導くための特定の実体の特定側面の片側,選択的,あるいは示唆的情報の提供に言及し,それによって読者の意見をバイアスする。感情レベル情報バイアス検出は,そのようなバイアスがコンテキストと共に明らかにできるような方法で非常に挑戦的なタスクであり,事例は様々な情報源からの情報収集,または背景との組み合わせにおける全論文の分析を含む。本論文では,英語ニュース記事における文章レベル情報バイアスを検出するために,3つのレベルのコンテキストを統合し,隣接文,全論文,および同じイベントを記述する他のニュース出口からの論文である。著者らのモデル,マルチCTX(マルチレベルConTeXt)は,コントラスト学習と文章グラフをグラフ注意ネットワーク(GAT)と共に用いて,戦術的にコントラスト三重項を構成して,イベントの中で文章グラフを構成することによって,異なる段階でこれら3つのコンテキストを符号化する。著者らの実験は,文章グラフと共にコントラスト学習が,様々な程度でコンテキストを効果的に組み込み,情報バイアス検出において,現在のSOTAモデル文法よりも著しく優れていることを証明した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , , , ,

前のページに戻る