对自动化超党派新闻检测系统的系统审查
Michele Joshua Maggini1, Davide Bassi1, Paloma Piot2
1Centro Singular de Investigación en Tecnoloxías Intelixentes (CiTIUS), Universidade de Santiago de Compostela, Galicia, Spain.
PloS one
|February 21, 2025
概括
本综述确定了检测超党派新闻的方法,以打击政治两极分化. 它强调需要更清晰的定义和更多样化的语言数据集,深度学习显示出希望.
科学领域:
- 计算社会科学 计算社会科学
- 自然语言处理自然语言处理.
- 机器学习 机器学习
背景情况:
- 超党派新闻助长政治两极分化,威胁社会团结和民主稳定.
- 自动检测超党派新闻对于减轻这些社会风险至关重要.
- 机器学习和深度学习的进步为应对这一挑战提供了新的工具.
研究的目的:
- 系统地审查和组织超党派新闻检测方法.
- 确定2015-2024年现有研究中的差距和趋势.
- 为未来在这一领域的研究提供基础.
主要方法:
- 使用PRISMA方法的系统文献审查.
- 分析了2015年1月至2024年间发表的81篇文章.
- 基于任务区分,文本来源,标签和模型评估的方法的分类.
主要成果:
- 深度学习模型通常优于传统的机器学习.
- 关键的研究缺陷包括缺乏对超党派的明确计算定义.
- 大多数可用的数据集都是英语的,这表明需要多语言资源.
结论:
- 这项研究提供了首次对超党派新闻检测方法的系统审查.
- 未来的研究应该专注于开发多语言数据集和探索大型语言模型 (LLM).
- 解决定义模两可和数据多样性对于推进该领域至关重要.
