2019
Benchmark Dataset for Propaganda Detection in Czech Newspaper Texts
HORÁK, Aleš, Vít BAISA a Ondřej HERMANZákladní údaje
Originální název
Benchmark Dataset for Propaganda Detection in Czech Newspaper Texts
Autoři
HORÁK, Aleš (203 Česká republika, garant, domácí), Vít BAISA (203 Česká republika, domácí) a Ondřej HERMAN (203 Česká republika, domácí)
Vydání
Varna, Bulgaria, Proceedings of Recent Advances in Natural Language Processing, RANLP 2019, od s. 77-83, 7 s. 2019
Nakladatel
INCOMA Ltd.
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Bulharsko
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
tištěná verze "print"
Odkazy
Kód RIV
RIV/00216224:14330/19:00110579
Organizační jednotka
Fakulta informatiky
ISBN
978-954-452-055-7
ISSN
Klíčová slova anglicky
propaganda detection; manipulative techniques; benchmark dataset
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 3. 5. 2020 12:49, RNDr. Pavel Šmerk, Ph.D.
Anotace
V originále
Propaganda of various pressure groups ranging from big economies to ideological blocks is often presented in a form of objective newspaper texts. However, the real objectivity is here shaded with the support of imbalanced views and distorted attitudes by means of various manipulative stylistic techniques. In the project of Manipulative Propaganda Techniques in the Age of Internet, a new resource for automatic analysis of stylistic mechanisms for influencing the readers’ opinion is developed. In its current version, the resource consists of 7,494 newspaper articles from four selected Czech digital news servers annotated for the presence of specific manipulative techniques. In this paper, we present the current state of the annotations and describe the structure of the dataset in detail. We also offer an evaluation of bag-of-words classification algorithms for the annotated manipulative techniques.
Návaznosti
MUNI/A/1018/2018, interní kód MU |
| ||
MUNI/G/0872/2016, interní kód MU |
|