基于Transformer框架的新闻文章政治极性中和与反转

DOI

人们通常倾向于阅读与自身政治立场相近的新闻，访问志同道合的新闻文章，这加剧了被称为「回音室」的两极化群体现象。为缓解这一现象，我们提出了一种计算机辅助解决方案以帮助对抗极端政治极化。具体而言，我们提出了一个用于反转或中和新闻标题和文章政治极性的框架。该框架利用基于Transformer的语言模型的注意力机制首先识别极性句子，然后通过GAN网络将极性反转至中性或相反方向。在相同基准数据集上进行测试，我们的框架在标题反转/中和成功率方面比当前最先进的模型提高了3%-10%。除了现有文献外，我们的框架不仅反转标题的极性还将极性反转任务扩展到完整的文章。人工评估结果表明，我们的模型能够中和或反转新闻极性而不降低可读性。我们发布了一个大型标注数据集，包含带有极性标签和元数据的新闻标题和完整文章，可用于未来研究。我们的框架有潜力被社会科学家、内容创作者和现实世界中的内容消费者使用。