News Angler-prosjektet har hatt som mål å hjelpe journalister med å finne nye og overraskende vinklinger på nyhetssaker under utvikling og å underbygge sakene med passende bakgrunnsinformasjon. Prosjektet har derfor utforsket hvordan teknikker fra kunstig intelligens (KI eller "AI") kan utnytte store, åpne datakilder for å støtte høykvalitetsjournalistikk. Viktige KI-teknikker har vært kunnskapsgrafer og ontologier, lenkede åpne data, automatisert behandling av naturlig språk og andre maskinlæringsteknikker.
News Hunter-plattformen vår har løpende høstet nyhetsrelatert informasjon fra tekstlige kilder, som sosiale medier, kommersielle nyhetsaggregatorer og åpne referanseverk. Informasjonen har så blitt integrert og representert på nettverksform, slik at den kan analyseres og deles enklere, mer presist og på nye måter.
Prosjektet har vært et samarbeid mellom Universitetet i Bergen (UiB) og Wolftech Broadcast Solutions AS, et programvarehus som leverer integrerte verktøy for nyhetsrom til det internasjonale markedet. Det tverrfaglige prosjektlaget ved UiB tilhører Forskningsgruppen for intelligente informasjonssystemer (I2S) ved Institutt for informasjons- og medievitenskap. Gruppen er også knyttet til Media City Bergen gjennom MediaFutures, et senter for forskningsdrevet innovasjon. Prosjektet har utdannet en doktorgradskandidat og flere masterstudenter. En postdoktor har også vært ansatt ved prosjektet, som dessuten har hatt en rekke internasjonale og nasjonale samarbeidspartnere og gjester.
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.