BiasScanner: Automatic Detection and Classification of News Bias to Strengthen Democracy

21世纪新闻在线消费的增加与虚假信息、偏见报道、仇恨言论和其他不良网络内容的发布增加相一致。我们介绍了BiasScanner应用程序，旨在通过支持在线新闻消费者审查他们正在阅读的新闻文章来加强民主。BiasScanner包含一个服务器端的预训练大型语言模型，用于识别新闻文章中的偏见句子，以及一个前端Web浏览器插件。截至撰写本文时，BiasScanner可以识别和分类二十多种媒体偏见类型，使其成为最细粒度的模型和唯一部署的应用程序（自动系统在使用中）。它以轻量级和尊重隐私的方式实现，并除了突出显示可能存在偏见的句子外，还为每个分类决策提供解释以及每篇新闻文章的摘要分析。虽然先前的研究已经解决了新闻偏见检测的问题，但我们不知道有任何工作导致了部署的浏览器插件（请参见biasscanner.org进行Web演示）。

解决问题：本论文旨在通过一个名为BiasScanner的应用程序来帮助消费者识别新闻文章中的偏见、错误报道、仇恨言论等不良内容，以加强民主。

关键思路：BiasScanner应用程序包含一个预先训练的大型语言模型，可以在服务器端识别新闻文章中的偏见句子，并提供前端Web浏览器插件。BiasScanner可以在句子级别上识别和分类超过两打种类型的媒体偏见，是目前最精细的模型和唯一的应用程序。该应用程序以轻量级和尊重隐私的方式实现，并提供每个分类决策的解释以及每个新闻文章的摘要分析。

其他亮点：该论文提出的BiasScanner应用程序是一种新的解决方案，可以帮助消费者更好地识别新闻文章中的偏见和错误报道。该应用程序以轻量级和尊重隐私的方式实现，并提供每个分类决策的解释以及每个新闻文章的摘要分析。该论文还提供了一个Web演示版本，并提供了开源代码。值得进一步研究的工作包括如何更好地识别和分类媒体偏见，以及如何将该应用程序扩展到其他语言和文化背景中。

相关研究：以前的研究已经涉及新闻偏见检测，但我们不知道任何已部署的浏览器插件（例如biasscanner.org的Web演示）。近期的相关研究包括“Detecting Media Bias in News Articles Using Sentiment Analysis”和“News Media Bias Detection: A Survey”。