危机事件后在Twitter上测量、理解和分类新闻媒体的同情

本文研究了2015年11月贝鲁特和巴黎恐怖袭击后，西方和阿拉伯媒体在Twitter上的报道偏差。使用涵盖每次袭击的两个Twitter数据集，我们调查了西方和阿拉伯媒体在报道偏差、同情偏差以及由此产生的信息传播方面的差异。我们为四种语言（英语、阿拉伯语、法语、德语）的2,390条推文众包了同情和情感标签，建立了一个回归模型来表征同情，并在此之后训练了一个深度卷积神经网络来预测同情。关键发现表明：(a)两个事件都被过度报道了(b)西方媒体表现出较少的同情，每种媒体报道都更同情其所在地区受影响的国家(c)同情预测支持了西方媒体比阿拉伯媒体更不抱同情的地面实情分析(d)同情的推文并没有传播得更远。我们讨论了我们的结果在全球新闻流、Twitter特性以及公众感知影响方面的意义。