Contextualizing Emerging Trends in Financial News Articles
University of La Rochelle(拉罗谢尔大学);Sorbonne University(索邦大学);La Banque Postale Asset Management(法国邮政银行资产管理公司)
识别和探索新闻中的新兴趋势变得比以往任何时候都更加重要,因为全球健康危机导致世界范围内发生了许多变化。然而,最近的大多数研究主要集中在检测社交媒体的趋势,因此,受益于社交功能(例如Twitter上的喜欢和转发),这有助于完成任务,因为它们可以用来衡量内容的参与和传播率。然而,正式的文本数据与简短的社交媒体帖子不同,具有更长,更少限制的写作格式,因此更具挑战性。在本文中,我们重点研究了在COVID-19大流行开始之前和期间(2019年7月至2020年7月)收集的有关微软的金融新闻文章中的新兴趋势检测。我们使数据集可访问,并提出了一个强大的基线(上下文Leap 2 Trend),用于探索基于主题建模和词频的关键字对之间的相似性动态。最后,我们根据黄金标准(谷歌趋势)进行评估,并就疫情对微软的影响提出了值得注意的现实情况。
2023-01-20 cs.CL cs.SI q-fin.GN
Learn over Past, Evolve for Future: Forecasting Temporal Trends for Fake News Detection
Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);University of Chinese Academy of Sciences(中国科学院大学);ZhongKeRuijian Technology Co., Ltd.(中科瑞捷科技有限公司)
本文针对假新闻检测中的时间偏移问题,提出FTT框架通过预测新闻数据的时间分布模式,指导检测器快速适应未来数据分布,在真实数据集上验证了优越性。
2023-06-26 cs.AI cs.CL cs.SI
Temporal Topic Modeling to Assess Associations between News Trends and Infectious Disease Outbreaks
Virginia Tech(弗吉尼亚理工大学);Boston Children’s Hospital(波士顿儿童医院);Harvard Medical School(哈佛医学院);University of Washington(华盛顿大学);Epidemico, Inc.(Epidemico公司);McGill University(麦吉尔大学)
在回顾性评估中,互联网新闻报道已被证明可以在官方实验室确认之前捕获未知传染病传播的早期报告。一般来说,媒体的兴趣和报道在疫情爆发期间会达到高峰和减弱。在这项研究中,我们量化了在传染病爆发期间媒体的兴趣在多大程度上表明了报告发病率的趋势。我们介绍了一种方法,使用监督的时间主题模型转换成时间主题趋势的大型语料库的新闻文章。这种方法的主要优点包括,适用于广泛的疾病,并能够捕捉疾病动态-包括季节性,突然的高峰和低谷。我们使用来自美利坚合众国(U.S.)报告的多种传染病暴发的数据评估了该方法,中印两国我们注意到,从疾病相关新闻报道中提取的时间主题趋势成功地捕捉到了多起疫情的动态,如美国的百日咳(2012年),印度的登革热疫情(2013年)和中国(2014年)。我们的观察结果还表明,使用时间序列回归技术对时间主题趋势进行有效建模,可以在卫生组织正式报告之前以更高的精度估计疾病病例数。
2016-06-01 cs.CL cs.IR cs.SI
Islander: A Real-Time News Monitoring and Analysis System
National Taiwan University(国立台湾大学);Taiwan AI Labs(台湾人工智能实验室)
随着每天来自数百个来源的数千篇新闻文章的分发和共享,新闻消费和信息获取对读者来说越来越困难。此外,新闻文章的内容变得朗朗上口,甚至煽动吸引读者,损害新闻报道的准确性。介绍了一个在线新闻分析系统Islander。该系统允许用户浏览具有来自多个来源和视角的文章的趋势主题。我们定义了几个指标作为新闻质量的代理,并开发了自动估计的算法。质量评估结果通过网络界面交付给新闻播音员,以便轻松访问新闻和信息。该网站是公开的https://islander.cc/
2022-04-25 cs.CL
Real-Time Classification of Twitter Trends
Dublin Institute of Technology(都柏林理工学院);UNED(西班牙国立远程教育大学)
社交媒体用户会产生社会趋势,因为他们分享共同的兴趣,这可能是由不同的原因引发的。在这项工作中,我们探讨触发器的类型,引发Twitter上的趋势,介绍了以下四种类型:“新闻”,“正在发生的事件”,“模因”和“纪念”。虽然以前的研究已经分析了长期的趋势主题,但我们研究了产生趋势的最早推文,目的是在早期对趋势进行分类。这将允许向最终用户提供经过筛选的趋势子集。我们分析和实验一组简单的语言独立的功能的基础上的社会传播的趋势,将它们归类到介绍的类型学。我们的方法提供了一种有效的方法来准确地对热门话题进行分类,而不需要外部数据,使新闻机构能够实时的【形】发现突发新闻,或者快速识别可能丰富营销决策的病毒模因等。对社交特征的分析还揭示了与每种类型的趋势相关的模式,例如关于正在进行的事件的推文较短,因为许多推文可能是从移动设备发送的,或者模因具有更多的转发来自少数潮流引领者。
2014-03-06 cs.CL cs.IR cs.SI
Counting Protests in News Articles: A Dataset and Semi-Automated Data Collection Pipeline
2017年1月至2021年1月,美国数千家当地新闻来源报道了超过42,000起关于民权,移民,枪支和环境等主题的抗议活动。鉴于每天有大量的当地记者报道抗议活动,将这些事件提取为结构化数据以了解时间和地理趋势可以增强公民决策的能力。然而,从新闻文章中提取事件的任务在域检测、槽填充和共指消解领域对NLP社区提出了众所周知的挑战。为了帮助改善从新闻故事中提取结构化数据的可用资源,我们的贡献是三方面的。我们1)发布了一个手动标记的数据集,其中包括新闻文章URL,日期,地点,人群规模估计,以及与2017年1月至2021年1月期间美国报告的42,347起抗议事件相对应的494个离散描述性标签; 2)描述用于发现、排序和审查组成数据集的144,568篇英文文章的半自动数据汇集管道;以及3)对长短期记忆(LSTM)低维分类器进行基准测试,所述LSTM低维分类器展示了基于句法结构(诸如段落和句子)处理新闻文章以计数所报告的抗议事件的数量的效用。
2021-02-01 cs.CL
XREF: Entity Linking for Chinese News Comments with Supplementary Article Reference
Northeastern University(东北大学);ByteDance AI Lab(字节跳动人工智能实验室);Alibaba Group(阿里巴巴集团)
自动识别社交媒体帖子中提到的实体有助于快速消化热门话题和流行观点。尽管如此,由于有限的背景和不同的名称变化,这仍然是一项具有挑战性的任务。本文研究了中文新闻评论在提及跨度一定的情况下的实体链接问题。我们假设评论通常指的是相应新闻文章中的实体,以及涉及实体的主题。因此,我们提出了一个新的模型,XREF,利用注意力机制(1)查明相关的评论中的上下文,(2)检测支持实体的新闻文章。为了改进训练,我们做了两个贡献:(a)除了标准的交叉熵之外,我们还提出了一个监督的注意力损失,以及(b)我们开发了一个弱监督的训练方案来利用大规模的未标记语料库。在娱乐和产品领域的两个新的数据集收集和注释的实验。我们提出的方法在这两个数据集上都优于以前的方法。
2020-06-24 cs.CL
Computational Paremiology: Charting the temporal, ecological dynamics of proverb use in books, news articles, and tweets
University of Vermont(佛蒙特大学)
谚语是语言和文化的重要组成部分,尽管人们对谚语的历史和流行给予了很大的关注,但对谚语使用频率随时间变化的定量研究相对较少。随着反映许多不同类型文档的大型语料库的广泛使用,现在可以对谚语的重要性采取广泛和动态的观点。在这里,我们测量了三个语料库中谚语相关性的时间变化,这三个语料库在种类、规模和时间范围上都不同:几个世纪以来的数百万本书; 20年来的数亿篇新闻文章;以及十年来的数十亿条推文。我们发现,谚语在每个地点呈现重尾的使用频率等级分布;表现出反映所涵盖时代文化动态的趋势;并在社交媒体上演变成当代形式。
2021-07-10 cs.CL
News-based Business Sentiment and its Properties as an Economic Index
Konan University(甲南大学);Osaka Sangyo University(大阪产业大学);Kobe University(神户大学);Asia Pacific Institute of Research(亚太研究所)
本文提出了一种基于文本数据的商业情感度量方法。商业信心一直是以传统的调查来衡量的,这是昂贵和耗时的。为了解决这些问题,我们利用每日报纸文章,并采用基于自我注意力的模型来定义一个商业情绪指数,命名为S-APIR,其中离群值检测模型进行了研究,以正确处理各种类型的新闻文章。此外,我们提出了一个简单的方法来分析任何给定的事件对预测的商业景气指数的贡献。为了证明所提出的方法的有效性,进行了广泛的分析12年的报纸文章的价值。分析表明,S-APIR指数与已建立的基于调查的指数有很强的正相关性(相关系数r=0.937),离群值检测是有效的,特别是对于一般的报纸。此外,S-APIR与各种经济指数进行了比较,揭示了S-APIR反映宏观经济趋势以及经济主体的经济前景和情绪的特性。此外,为了说明S-APIR如何使经济学家和政策制定者受益,分析了几个事件随时间推移对商业情绪的影响。
2021-10-20 cs.CL
A Look Into News Avoidance Through AWRS: An Avoidance-Aware Recommender System
The University of Tokyo(东京大学);Nikkei Inc.(日经公司)
针对新闻回避加剧的问题,提出回避感知推荐系统AWRS,将回避作为核心因素融入推荐,在英、挪、日三语数据集上验证了其优于现有方法。
2025-01-21 cs.CL cs.IR
From Skepticism to Acceptance: Simulating the Attitude Dynamics Toward Fake News
Gaoling School of Artificial Intelligence, Renmin University of China(中国人民大学高瓴人工智能学院);Alibaba DAMO Academy(阿里巴巴达摩院);Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)
本研究提出基于LLM的假新闻传播模拟框架(FPS),通过具备个性、记忆和反思机制的智能体模拟假新闻传播动态,并评估干预策略,发现早期且适当频繁的干预能平衡治理成本与效果。
2024-12-23 cs.AI cs.CL cs.SI
Fine-grained Czech News Article Dataset: An Interdisciplinary Approach to Trustworthiness Analysis
Charles University(查理大学);University College London(伦敦大学学院)
我们提出了Verifee数据集:一个新的数据集的新闻文章与细粒度的可信度注释。我们开发了一种详细的方法,根据其参数评估文本,包括编辑透明度,记者惯例和客观报道,同时惩罚操纵技术。我们带来了来自社会,媒体和计算机科学的各种研究人员,以克服这一跨学科问题的障碍和有限的框架。我们从几乎$60$捷克在线新闻来源收集超过$10,000$独特的文章。在我们提出的可信度范围内,这些文章被归类为$4$类,从完全值得信赖的文章一直到操纵性文章。我们提供详细的统计数据,并研究整个集合中出现的趋势。最后,我们使用我们的数据集在可信度分类任务上微调了多个流行的序列到序列语言模型,并报告了$0.52$的最佳测试F-1得分。我们在https://verifee.ai/research上开源了数据集、注释方法和注释者的完整说明,以方便构建工作。我们相信类似的方法可以帮助防止虚假信息和教育领域的媒体素养。
2022-12-16 cs.CL
An NLP approach to quantify dynamic salience of predefined topics in a text corpus
Boston Fusion Corp.(波士顿融合公司);Arizona State University(亚利桑那州立大学)
同时在线新闻媒体的激增,为分析人员提供了宝贵的资源,也对他们提出了重大挑战,这些分析人员的目的是描绘和了解感兴趣的地理位置的社会和文化趋势。虽然大量记录重大事件、趋势和反应的新闻报道提供了一个更加民主化的地点社会特征的图景,但对任何一个分析师或团队来说,理解整个语料库以提取重大趋势都是一个巨大的挑战。在这里,我们提出了一种方法,使用自然语言处理技术,旨在量化一组预定义的感兴趣的主题如何随着时间的推移在一个大的文本语料库的变化。我们发现,给定一个预定义的主题,我们可以识别和排名的术语集,或n-gram,映射到这些主题,并具有偏离正常基线的使用模式。出现,消失,或显着的变化,在n-gram的使用提出了一个地面上的图片,一个主题的动态显着性在一个语料库的兴趣。
2021-08-16 cs.CL
A Survey on Event-based News Narrative Extraction
Virginia Tech(弗吉尼亚理工大学);Universidad Católica del Norte(北天主教大学);University of Washington(华盛顿大学)
叙事是我们理解世界的基础,随着时间的推移,它为我们提供了一个自然的知识表示结构。计算叙事提取是人工智能的一个子领域,它大量使用信息检索和自然语言处理技术。尽管计算叙事提取的重要性,相对较少的学术工作存在综合以前的研究和战略未来的研究在该地区。特别是,这篇文章的重点是从事件为中心的角度提取新闻叙事。从新闻数据中提取叙述在理解不断发展的信息格局方面有多种应用。本研究对基于事件的新闻叙事抽取领域的研究进行了广泛的研究。特别是,我们筛选了900多篇文章,产生了54篇相关文章。这些文章是综合和组织的表示模型,提取标准和评价方法。基于回顾的研究,我们确定了最近的趋势,开放的挑战和潜在的研究路线。
2023-03-10 cs.CL cs.IR
TakeLab Retriever: AI-Driven Search Engine for Articles from Croatian News Outlets
University of Zagreb(萨格勒布大学);Faculty of Electrical Engineering and Computing, University of Zagreb(萨格勒布大学电气工程与计算机学院);TakeLab
该研究介绍AI驱动的TakeLab Retriever搜索引擎,用于发现、收集和语义分析克罗地亚新闻文章,采用前沿NLP方法支持多维度筛选,报告含使用说明、设计细节及超千万篇文章处理的微服务方案,为相关研究提供独特工具。
2024-11-29 cs.CL cs.IR
When Neutral Summaries are not that Neutral: Quantifying Political Neutrality in LLM-Generated News Summaries
Carnegie Mellon University(卡内基梅隆大学);Rochester Institute of Technology(罗切斯特理工学院)
本研究通过极化新闻摘要视角量化LLM政治中立性,分析2万余篇文章发现知名LLM普遍存在倾向民主党的偏见,尤其在枪支管制和医疗保健上极化最明显,且输出词汇高度趋同。
2024-10-13 cs.CL cs.CY
Countering the Effects of Lead Bias in News Summarization via Multi-Stage Training and Auxiliary Losses
McGill University(麦吉尔大学);MILA(蒙特利尔学习算法研究所);University of Edinburgh(爱丁堡大学);Alan Turing Institute(艾伦·图灵研究所)
句子位置是新闻摘要的一个重要特征,因为导语经常(但不总是)概括文章的重点。在本文中,我们表明,最近的神经系统过度利用这一趋势,虽然强大的许多输入,也是有害的,当总结文件的重要内容,应提取从后面的文章部分。我们提出了两种技术,使系统敏感的重要性的内容在不同的部分的文章。第一种技术采用“无偏”数据;即,源文档的随机打乱的句子,以预训练模型。第二种技术使用了一个辅助的基于ROUGE的损失,鼓励模型通过模仿训练数据上的重复级ROUGE分数来在整个文档中分布重要性分数。我们表明,这些技术显着提高了基于竞争性强化学习的提取系统的性能,辅助损失比预训练更强大。
2019-09-08 cs.CL cs.LG
A Systematic Media Frame Analysis of 1.5 Million New York Times Articles from 2000 to 2017
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);Indiana University, Bloomington(印第安纳大学伯明顿分校)
框架是新闻媒体不可或缺的叙事手段,因为即使是相同的事实,如果刻意使用框架,也可能导致相互冲突的理解。因此,识别媒体框架是理解新闻媒体如何影响公众的关键一步。然而,框架很难操作和检测,因此传统的媒体框架研究不得不依赖于人工注释,这对于扩展到大规模的新闻数据集是具有挑战性的。在这里,通过开发一个达到最先进性能的媒体框架分类器,我们系统地分析了2000年至2017年发表的150万篇《纽约时报》文章的媒体框架。通过考察近20年来媒体框架的兴衰,我们发现,短期框架丰度波动与重大事件密切相关,同时也存在一些长期趋势,例如“文化身份”框架的逐渐流行。通过检查特定的主题和情绪,我们确定每个帧的特征和动态。最后,作为一个案例研究,我们深入研究了大规模枪击事件的框架,揭示了三种主要的框架模式。我们对大量新闻数据集的可扩展计算方法为系统的媒体框架研究开辟了新的途径。
2020-05-04 cs.CL cs.CY
Can Large Language Models Detect Misinformation in Scientific News Reporting?
Stevens Institute of Technology(斯蒂文斯理工学院)
本文探讨了使用大型语言模型检测科学新闻中虚假信息的可能性,并提出了SciNews数据集及多种基线架构进行验证。
2025-11-24 cs.AI cs.CL cs.SI