Fortia-FBK at SemEval-2017 Task 5: Bullish or Bearish? Inferring Sentiment towards Brands from Financial News Headlines
Fortia Financial Solutions（Fortia金融解决方案）；Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）
在本文中，我们描述了一种方法来推断看涨或看跌的情绪对公司/品牌。更具体地说，我们的方法利用情感词汇和词嵌入结合卷积神经网络来推断金融新闻标题对目标公司的情绪。在SemEval 2017挑战（任务5，子任务2）的背景下使用和评估了这种架构，其中它获得了最佳性能。
2017-04-04 cs.CL cs.CY
S-APIR: News-based Business Sentiment Index
Konan University（甲南大学）；Asia Pacific Institute of Research（亚太研究所）；Osaka Sangyo University（大阪产业大学）
本文介绍了我们利用每日报纸文章开发新的商业景气指数的工作。我们采用一个带有门控递归单元的递归神经网络（RNN）来预测给定文本的商业情绪。RNN最初在经济观察者调查上进行训练，然后在新闻文本上进行微调以适应领域自适应。此外，一类支持向量机被应用于过滤被认为与商业情绪无关的文本。此外，我们提出了一个简单的方法来分析有多少时间和任何给定的因素影响预测的商业情绪。通过对2013年至2018年出版的日经新闻文章进行的一系列实验，实证证明了所提出方法的有效性和实用性。
2020-03-06 cs.CL cs.CY cs.SI
Who Blames or Endorses Whom? Entity-to-Entity Directed Sentiment Extraction in News Text
Soongsil University（崇实大学）；UCLA（加州大学洛杉矶分校）
理解新闻文本中谁在指责谁或支持谁是计算社会科学的一个重要研究问题。然而，用于情感分析的传统方法和数据集不适合政治文本领域，因为它们不考虑实体之间表达的情感的方向。在本文中，我们提出了一种新的NLP任务，从给定的新闻文档中识别政治实体之间的定向情感关系，我们称之为定向情感提取。从一个百万级的新闻语料库中，我们构建了一个数据集的新闻句子中的情感关系的政治实体手动注释。我们提出了一种简单但有效的方法来利用预训练的Transformer，它通过预测多个问答任务并结合结果来推断目标类。我们通过分析2016年美国总统大选和COVID-19这两个重大事件中政治实体之间的正面和负面意见，展示了我们提出的方法在社会科学研究问题中的实用性。新提出的问题，数据和方法将促进跨学科的NLP方法和应用的未来研究。
2021-06-22 cs.CL cs.CY cs.IR
Aligning ESG Controversy Data with International Guidelines through Semi-Automatic Ontology Construction
University of Zürich (UZH)（苏黎世大学）；RepRisk AG（RepRisk公司）；Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院）；The Canon Institute for Global Studies（佳能全球研究学院）
提出一种半自动本体构建方法，结合轻量级本体设计、形式模式建模和大型语言模型，将ESG新闻事件与联合国全球契约等国际原则框架对齐，生成结构化知识图以识别不合规情况。
2025-09-13 cs.CL cs.CY
Landscape of Generative AI in Global News: Topics, Sentiments, and Spatiotemporal Analysis
本文基于2018至2023年全球新闻数据，结合BERTopic主题建模与RoBERTa-base情感分析，揭示生成式人工智能报道的主题、情感和时空分布规律，为分析新兴技术新闻话语提供框架。
2024-01-17 cs.CY
Stable Sentiment and Persistent Dynamics in U.S. Economic News over 45 Years
Ghent University（根特大学）
研究45年来美国经济新闻情绪，通过分析24家报纸日指数，发现情绪过程响应时间变化，状态持续性增加，波动下降等，符合最小内生记忆模型，表明基于新闻的情绪宜建模为持续事件。
2026-07-08 cs.CY physics.data-an physics.soc-ph
Quantum Criticism: A Tagged News Corpus Analysed for Sentiment and Named Entities
University of San Francisco（旧金山大学）
在这项研究中，我们不断地从传统新闻源的RSS提要中收集数据。我们应用了几个预先训练的命名实体识别（NER）工具的实现，量化了每个实现的成功。我们还执行情感分析的每一篇新闻文章的文档，段落和句子的水平，与创建一个语料库的标记的新闻文章，可供公众通过Web界面的目标。最后，我们展示了如何在这个语料库中的数据可以用来识别新闻报道中的偏见。
2020-06-05 cs.CY cs.LG stat.ML
Predicting market inflation expectations with news topics and sentiment
这项研究提出了一种新的方法，将新闻主题及其相关的情绪纳入八个国家的盈亏平衡通胀率（BEIR）走势的预测与成熟的债券市场。我们校准了五类机器学习模型，包括每个国家的基于叙述的功能，并发现它们通常优于不包括此类功能的相应基准。我们发现Logistic Regression和XGBoost分类器可以在不同国家/地区提供最佳性能。我们用特征重要性分析补充了这些结果，表明经济和金融主题是我们预测中的关键性能驱动因素，与健康和政府相关的主题也有贡献。我们通过Granger因果关系检验了新闻叙事对BEIR的跨国溢出效应，并证实了美国和德国存在这种溢出效应，而我们研究中考虑的其他五个国家只受到当地叙事的影响。
2021-07-15 cs.CY
Breaking the News: First Impressions Matter on Online News
Qatar Computing Research Institute（卡塔尔计算研究所）；Federal University of Minas Gerais（米纳斯吉拉斯联邦大学）
越来越多的人正在改变他们消费新闻的方式，用虚拟在线版本或/和博客取代传统的实体报纸和杂志。在线新闻的互动性和即时性正在改变媒体公司制作和曝光新闻的方式。新闻网站必须创造有效的策略来吸引人们的注意力并吸引他们的点击。本文探讨了网络新闻公司在新闻标题设计中可能使用的策略。我们分析了全球四大媒体公司在2014年至少连续八个月制作的69，907条头条新闻的内容。为了发现可以用来吸引点击的策略，我们从新闻标题的文本中提取与标题的情感极性相关的特征。我们发现，标题的情绪与新闻的受欢迎程度以及对该特定新闻的评论动态密切相关。
2015-04-16 cs.CL cs.CY
Sentiment Analysis on the News to Improve Mental Health
互联网的普及创造了一个充满活力的数字媒体。随着点击量驱动的货币化，记者们重新调整了他们的内容，以适应在线新闻的高度竞争环境。由此产生的消极偏见是有害的，会导致焦虑和情绪障碍。我们利用了在各种数据集上训练的4个情感分析模型的管道-使用Sequential，LSTM，BERT和SVM模型。当结合在一起时，应用程序，一个移动应用程序，只显示令人振奋和鼓舞人心的故事供用户阅读。结果是成功的-- 1,300名用户对该应用程序的评分为4.9星，85%的人表示使用该应用程序改善了心理健康。
2021-08-05 cs.CY cs.IR
News Sentiment as a Predictor for American Domestic Migration
本研究利用2010-2020年《纽约时报》新闻情绪数据，通过神经网络和逻辑回归模型预测美国州际迁移，平均误差±900人，证明新闻情绪可独立作为迁移预测因子。
2025-02-21 cs.CY cs.LG
Cultural Anthropology through the Lens of Wikipedia: Historical Leader Networks, Gender Bias, and News-based Sentiment
在本文中，我们研究了西方和东方文化之间的历史世界观的差异，通过英语，中文，日语和德语维基百科。特别是，我们分析了自有文字记载的历史开始以来世界领导人的历史网络，在不同的维基百科上进行比较，并评估文化沙文主义。我们还确定了英语，德语，西班牙语和葡萄牙语维基百科中最有影响力的女性领导人。作为一个额外的镜头进入文化的灵魂，我们比较了英语，葡萄牙语，西班牙语和德语维基新闻的顶级术语，情感，情感和复杂性。
2015-07-31 cs.CY cs.SI
When a Nation Speaks: Machine Learning and NLP in People's Sentiment Analysis During Bangladesh's 2024 Mass Uprising
Jahangirnagar University（贾 banggar 大学）
本研究利用机器学习和NLP技术，首次在孟加拉国2024年大规模抗议期间对孟加拉语进行情感分析，通过分析公众情绪揭示政治动荡中的情感动态。
2025-12-17 cs.CL cs.CY
Comparative Evaluation of Embedding Representations for Financial News Sentiment Analysis
本文比较了金融新闻情感分类中基于嵌入的技术，发现预训练嵌入在数据不足时效果下降，建议采用少样本学习或数据增强等方法。
2026-04-09 cs.AI cs.CE cs.CY
Climate change sentiment on Twitter: An unsolicited public opinion poll
人为气候变化的后果通过科学论文，报纸文章和博客进行了广泛的辩论。报纸上的文章可能缺乏准确性，而科学论文中发现的严重性可能太不透明，公众无法理解。然而，社交媒体是一个论坛，不同背景的人可以分享他们的想法和意见。随着消费从旧媒体转向新媒体，Twitter已成为分析时事和头条新闻的宝贵资源。在这项研究中，我们分析了2008年9月至2014年7月期间收集的包含“气候”一词的推文。通过使用以前开发的情绪测量工具，称为Hedonometer，我们确定集体情绪如何变化，以应对气候变化的新闻，事件和自然灾害。我们发现，自然灾害、气候法案和石油钻探会导致幸福感下降，而气候集会、新书发布和绿色创意竞赛则会增加幸福感。我们的分析发现，对气候变化新闻的回应主要来自气候变化活动家，而不是气候变化否认者，这表明Twitter是传播气候变化意识的宝贵资源。
2015-07-30 cs.CY cs.SI physics.soc-ph
Revealing the Hidden Patterns of News Photos: Analysis of Millions of News Photos Using GDELT and Deep Learning-based Vision APIs
Qatar Computing Research Institute（卡塔尔计算研究所）；Hamad Bin Khalifa University（哈马德·本·哈利法大学）
在这项工作中，我们分析了2016年1月发布的200多万张新闻照片。我们展示了i）哪些物体在新闻照片中出现最多; ii）新闻照片的情感是什么; iii）新闻照片的情感是否与文本的基调一致; iv）性别如何被对待; v）政治候选人如何被描绘。据我们所知，这是第一次使用基于深度学习的视觉API对新闻照片内容进行大规模研究。
2016-03-24 cs.CV cs.CY cs.IR
Food for Thought: Analyzing Public Opinion on the Supplemental Nutrition Assistance Program
该项目在新闻和社交媒体上探讨公众对补充营养援助计划（SNAP）的意见，并跟踪当选代表对SNAP和粮食不安全问题的投票记录。我们使用机器学习、情感分析和文本挖掘来分析SNAP在国家和州一级的覆盖率，以衡量这些网点随着时间的推移对该计划的看法。结果表明，大多数的新闻报道有负面情绪，更多的党派新闻媒体有更极端的情绪，和集群的负面报道SNAP发生在中西部。我们的最终结果和工具将显示在一个在线应用程序中，ACFB倡导团队可以使用它来通知他们与相关利益相关者的沟通。
2017-10-06 cs.CY
Analysis of Disinformation and Fake News Detection Using Fine-Tuned Large Language Model
Ivan Franko National University of Lviv（利沃夫伊万·弗兰科国立大学）
本文采用PEFT/LoRA方法微调Llama 2模型，用于虚假信息分析、假新闻检测及命名实体情感提取等任务，结果表明该模型能深度分析文本并揭示复杂叙事，提取的情感特征可用于监督学习。
2023-09-09 cs.AI cs.CL cs.CY
Newsalyze: Enabling News Consumers to Understand Media Bias
新闻是个人了解当前主题的主要信息来源。在“假新闻”、新闻机器人和媒体所有权集中化的时代，了解新闻文章的倾向性和真实性至关重要。我们介绍Newsalyze，一个有偏见意识的新闻阅读器，专注于一种微妙的，但强大的媒体偏见形式，命名为单词选择和标签偏见（WCL）。世界劳联的偏见可能会改变新闻报道中对实体的评估，例如，“自由战士”对“恐怖分子”“分析的核心是一个神经模型，该模型使用新闻适应的BERT语言模型来确定目标依赖的情绪，这是WCL偏见的一种高级影响。虽然分析目前只关注这种形式的偏见，但在对比文章（概述）和文本中的偏见实例（文章视图）时，可视化已经揭示了偏见的模式。
2021-05-20 cs.CY
#RoeOverturned: Twitter Dataset on the Abortion Rights Controversy
2022年6月24日，美国最高法院推翻了1973年罗伊诉韦德案（Roe v. Wade）中具有里程碑意义的裁决。在多布斯诉杰克逊妇女健康组织案中，法官们以多数票决定堕胎不是宪法权利，并将堕胎问题交还给当选代表。这一决定在美国各地引发了多次抗议和辩论，尤其是在2022年11月中期选举的背景下。鉴于许多公民使用社交媒体平台表达自己的观点并动员集体行动，鉴于在线辩论对公众舆论，政治参与，新闻媒体报道和政治决策产生了切实的影响，因此了解围绕这一主题的在线讨论至关重要。为此，我们提出了第一个大规模的Twitter数据集收集的堕胎权利的辩论在美国。我们展示了一组从2022年1月1日到2023年1月6日的一年中系统收集的7400万条推文。
2023-02-02 cs.CY cs.SI
