マルチビュー・メディア・プロファイリング・スイート：リソース、評価、分析

要旨: ニュースメディアは、政治的バイアスや事実性を自動的に検出することが不可欠になるほどの規模で世論を形成する。しかし、この分野には、統一されたリソース、多様なアプローチにまたがる包括的な評価、特にラベルの疎らさやデータセットの多様性の下で最も重要となる表象と融合戦略に関する体系的な分析が依然として欠けている。さらに、「一貫して機能するもの」「失敗するもの」「その理由」を、観察に基づいて広範に報告する実証的研究もほとんどない。これらのギャップに対し、我々は主に4つの貢献によって取り組む。第一に、Media Bias/Fact Check（MBFC）から約2,600のアウトレットをカバーする大規模ラベル集合MBFC-2025を導入する。第二に、ACL-2020（Panayotov et al., 2022）に対して（約900アウトレットを含む）およびMBFC-2025に対して、多視点表象を構築する。これらの表象は、Alexaグラフ、ハイパーリンクグラフ、LLMにより導出されたグラフ、記事、およびWikipediaの記述にまたがる。第三に、埋め込み視点（embedding views）と融合戦略について、強化学習に基づく融合の変種を含めて、体系的な評価と分析を行う。第四に、ACL-2020において最先端の結果を達成し、MBFC-2025上で強力なベンチマークを確立する大規模な実験を実施する。