机构名称：
¥ 1.0
媒体新闻框架偏见会加剧政治两极分化，破坏公民社会。因此，对自动缓解方法的需求日益增长。我们提出了一项新任务，即从具有不同政治倾向的多篇新闻文章中生成中立摘要，以促进平衡和无偏见的新闻阅读。在本文中，我们首先收集一个新的数据集，通过案例研究阐明关于框架偏见的见解，并为该任务提出一个新的有效指标和模型（N EU S-T ITLE）。根据我们发现标题为框架偏见提供了良好的信号，我们提出了 N EU S-T ITLE，它可以学习从标题到文章按层次顺序中和新闻内容。我们的分层多任务学习是通过使用标识符标记（“TI-TLE=>”、“ARTICLE=>”）按顺序格式化我们的分层数据对（标题、文章），并使用标准负对数似然目标微调自回归解码器来实现的。然后，我们分析并指出剩余的挑战和未来方向。最有趣的观察之一是神经 NLG 模型不仅可以产生事实上不准确或无法验证的内容，还可以产生政治偏见的内容。
中立的多新闻摘要可减轻框架偏差
主要关键词
相关文件推荐
