News Angler: Discovering unexpected connections in the news

The News Angler project has aimed to help journalists find new and unexpected angles on unfolding news stories along with suitable background information. The project has therefore explored how artificial intelligence (AI) techniques can use big, open data sources to support high-quality journalism. Central AI techniques have been knowledge graphs and ontologies, linked open data, natural-language processing, and other machine-learning techniques. Our evolving News Hunter platform has continuously harvested news-related information from textual sources, such as social media, commercial news aggregators, and open reference sources. The information has then been integrated and represented in network form, so it can be analysed and shared more easily, precisely, and in new ways. The project has been a collaboration between the University of Bergen (UiB) and Wolftech Broadcast Solutions AS, a supplier of integrated newsroom software systems for the international market. The cross-disciplinary project team at UiB belongs to the research group for Intelligent Information Systems (I2S) in the Department of Information Science and Media Studies. The group is also connected to Media City Bergen through MediaFutures, a center for research-driven innovation. The projected has graduated a Ph.D. candidate and several Master students. A Post-Doc has also been employed by the project, which has furthermore had several other national and international collaborators and guests.

News Angler-prosjektet har skapt ny teoretisk kunnskap på flere områder som forventet. Et sentralt bidrag er ny forståelse av og operasjonell kunnskap om nyhetsvinkler og hvordan de kan representeres formelt og behandles maskinelt ved hjelp av KI- (kunstig intelligens eller AI-) relaterte teknikker. Et annet bidrag er ny forståelse av og operasjonell kunnskap om hvordan nye KI-teknikker kan integreres og skape grunnlag for journalistiske kunnskapsplattformer. Prosjektet har også systematisert og skapt oversikt over sentrale teori- og teknologiområder som bruk av kunnskapsgrafer til nyhetsproduksjon og -distribusjon, representasjon av navngitte entiteter i kunnskapsgrafer og tillitvekkende bruk av KI i nyhetsproduksjon. Et teknisk hovedresultat fra prosjektet er News Hunter-plattformen, tilgjengeliggjort som åpen kildekode for forsknings- og undervisningsformål. Prosjektet har også produsert flere åpent tilgjengelige ontologier: Item Annotation Ontology, Event Annotation Ontology og News Angle Ontology. Flere eksempler på nyhetsvinkler er analysert og beskrevet i formell og konseptuell detalj. Prosjektet har gitt industripartner Wolftech innspill til hvordan nye teknologiske muligheter kan styrke deres nyhetsromsystemer i det internasjonale markedet. Wolftech har dessuten enerett til å utnytte News Hunter-plattformen kommersielt. Funksjonalitet og grensesnittideer fra tidlige News Hunter-prototypeversjoner finnes i dag realisert i Wolftechs systemer for journalistisk arbeidsflyt. Prosjektet har dessuten drevet frem vitenskapelig fornyelse ved å fasilitere samarbeid mellom IKT- og medieforskere, representert ved forskningsgruppene I2S (intelligente informasjonssystemer) og TekLab (medieteknologi) ved Institutt for informasjons- og medievitenskap ved UiB. Prosjektet har også etablert nye internasjonale relasjoner gjennom forskningssamarbeid ved The Open University i Storbritannia, forskningsopphold ved EURECOM i Frankrike og redaksjonelt samarbeid med EURECOM, Universitetet i Amsterdam og Northwestern University i Chicago. Prosjektet har også dannet grunnlag for videre akademisk forskning og industrielt samarbeid. Noen av ideene undersøkes i dag videre i samarbeid med viktige nasjonale og regionale medie- og medieteknologivirksomheter i MediaFutures-sentret for forskningsdrevet innovasjon. Andre ideer med utspring i News Angler-prosjektet undersøkes videre i samarbeid med Senter for undersøkende journalistikk (SUJO) ved Universitetet i Bergen og et nettverk av regionale og lokale aviser under Polaris- og Schibsted-paraplyene.

Journalism is in crisis, but new information and communication technologies (ICT) offer new opportunities. Journalists today have access to a wealth of digital information from news aggregators, social media, and open data providers in addition to traditional sources. These sources can be automatically analysed, organised, prepared, and stored with increasing semantic precision and connectedness. Theories and techniques from artificial intelligence and machine learning can be used to classify, label, cluster, detect events, and otherwise process news streams in meaningful ways. Our research group is collaborating with a software developer of news production tools for the international market. Together we have developed News Hunter, a prototype tool pipeline that analyses news and social media messages and represents them semantically in a knowledge graph that is used to classify, label, and identify clusters of messages, potentially in real time. As in similar tools, the focus is on surface similarity: pieces of information are related if they are about similar things, or if they are treated similarly by similar people. While useful for many purposes, the focus on surface similarity may drown other important and interesting connections hidden in the information. News Angler will therefore extend and build on News Hunter to support deep and innovative information mining that goes under the surface. We want to leverage the semantic news graph to identify interesting and unexpected connections between unfolding news events and prepared background information represented in the graph. To achieve this, News Angler will explore adapting, combining, and extending theories from analogical and other types of computational reasoning. The theories and techniques that News Angler will develop potentially have importance beyond journalism, as an alternative to the surface similarity-based search and recommendation services that shape the information bubbles we live in today.