论文阅读笔记：A Machine Learning Pipeline to Examine PoliticalBias with Congressional Speeches

对A Machine Learning Pipeline to Examine Political Bias with Congressional Speeches论文中的内容进行总结提炼

使用国会的演讲来进行zz偏见的分类学习（zz表示zhengzhi，下同）

优势：无需人工标注的数据   ，使用美国国会zz演讲文章来标记数据

成果：在Twitter和Gab上进行zz偏见预测，准确率分别达到70.5%和65.1%，提出了机器学习的方法，级联了多种不同特征（ social media text, users, sentiment,），来进行政治倾向预测，准确率达到85%

具体成果：1.从国会演讲中进行实体表示，给社交媒体的zz偏向进行打分。

                   2.基于机器学习的方法对社交媒体的帖子的zz偏向进行预测，并发现Twitter上得到的模型可以迁移到Gab论坛上。

                   3.其他的工程相关功能，语言、层叠和用户功能等工程功能，以及上下文文本嵌入，用于机器学习模型预测对话的zz偏见

数据集：（第三部分性详细介绍）Gab和Twitter数据集公开可用，zz家演讲发言数据集（使用来自民主党-左倾和共和党-右倾的发言，，发言内容和社交媒体讨论内容一致）

方法：两项工作，1.利用机器学习的方法对社交媒体（Twitter和Gab）的帖子的zz得分进行标准，判断为左or右。  2.利用该方法建模为预测任务。

A.抽取社交媒体和国会演讲中的实体，提取的实体在媒体中至少出现100次，得到词云（描述媒体中讨论的话题），对于事件e，通过公式

判断其偏向的是  民主党（d）还是共和党（r）   我们利用词频倒置文档频率(TF-IDF)来获得实体在共和党和民主党视角下的重要性。

B.zz偏好预测的特征工程。标注数据集中的特征， 词向量编码方式FastText(Word2vec的扩展，其中FastText通过聚合字符n元语法的表示来提取上下文文本表示。FastText证明，即使是没有出现在训练语料库中的单词，也可以构建更好的单词表示，并且与其前身word2vec相比，性能有所提高)

 

特征工程具体为了的是判断一个帖子的可能偏好，即被民主党还是共和党所喜爱

C.使用信息级联的方式预测zz偏好的转移

级联起始于一个单个用户帖子，然后有用户围绕此开始讨论（回复转发）

具体看如下一段话：

意思是一个级联图，包括{帖子，帖子之间的边，帖子的情感偏好，帖子之间边的权重}，给定前面的级联图，预测下一时刻级联图的zz偏好，此实验在Gab上。

实验结果：1.标签的有效性  2.zz偏见的预测分析  3.zz偏好的转移的预测

2.使用国会发言做训练集，社交媒体做测试集

3.级联>5.

实验都是机器学习的常用方法。（随机森林、Ada Boost、MLP和二次判别分析(QDA)）

结论：

提供了两个研究在线社交媒体论坛中zz偏见的方法。我们提出了一种方法，通过国会演讲来获取社交媒体帖子的zz偏见，这些演讲包含了政客们对帖子中存在的实体的看法。通过来自Gab和Twitter的可公开获取的大规模社交媒体帖子，我们为ML模型提供了一个预测政治偏见得分的功能列表。我们还从Gab对话中的信息级联中设计了多个类别的功能，用于偏差预测任务。我们的多维定量评估表明，我们提取的特征集可以深刻地帮助预测和预测任务