News Angler: Discovering unexpected connections in the news

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 utforsker derfor hvordan teknikker fra kunstig intellingens (KI) kan utnytte store, åpne datakilder for å støtte høykvalitetsjournalistikk. Viktige KI-teknikker så langt er kunnskapsgrafer og ontologier, lenkede åpne data, automatisert behandling av naturlig språk og andre maskinlæringsteknikker. News Hunter-plattformen vår høster løpende nyhetsrelatert informasjon fra tekstlige kilder, som sosiale medier, kommersielle nyhetsaggregatorer og åpne referanseverk. Informasjonen blir så integrert og representert på nettverksform, slik at den kan analyseres og deles enklere, mer presist og på nye måter. Prosjektet er et samarbeid mellom Universitetet i Bergen (UiB) og Wolftech Broadcast Solutions AS, en utvikler av integrerte verktøy for nyhetsrom for det internasjonale markedet. Det tverrfaglige prosjektlaget ved UiB er en del av Forskningsgruppen for intelligente informasjonssystemer (I2S), som tilhører Institutt for informasjons- og medievitenskap og er knyttet til Media City Bergen. En postdoktor har vært og en stipendiat er fremdeles ansatt ved prosjektet, og vi har en rekke internasjonale og nasjonale samarbeidspartnere og gjester. I det fjerde og nær siste året er vi i ferd med å runde av prosjektet og undersøke veier til å fortsette arbeidet etter News Angler-prosjektet. Et sentralt fokus er å utvide News Hunter-plattformen med de nyeste teknikkene for naturlig-språkanalyse og å forberede publisering av plattformen som åpen-kildekode for utdanning og videre forskning. Vi fortsetter også arbeidet på den konseptuelle siden med å representere og analysere nyhetsvinkler komputasjonelt. En annet fokus er å publisere resultatene våre i internasjonale tidsskrifter, ikke minst for å ferdigsstille prosjektets PhD-avhandling, som nå planlegges innlevert i første del av 2023. En tidsskriftsartikkel om utfordringer og muligheter for journalistiske kunnskapsplattformer er allerede publisert og flere andre artikler er under utarbeidelse. Vi er ferdige med vårt omfattende gjennomgang av kunnskapsgrafer for nyhetsarbeid, som nå er antatt for publisering i høyt rangerte ACM Computing Surveys, og vi deltar i en undersøkelse av pålitelig AI for nyhetsarbeid. Vi samarbeider også med ledende internasjonale forskere om en spesialutgave av AI Magazine om "kunstig intelligens for nyheter".

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.

Publikasjoner hentet fra Cristin

Trustworthy journalism through AI

Semantic Knowledge Graphs for the News: A Review

Supporting Newsrooms with Journalistic Knowledge Graph Platforms: Current State and Future Directions

Knowledge Graph Semantic Annotation and Population with Real-Time Events Data from GDELT

Emerging News task: Detecting emerging events from social media and news feeds

Developing a Software Reference Architecture for Journalistic Knowledge Platforms

Identifying Events from Streams of RDF-Graphs Representing News and Social Media Messages

1235

Ingen publikasjoner funnet

Scaling the Blackboard model for future AI systems

Big Data Architectures and the News Hunter case

Knowledge Graph Semantic Annotation and Population with Real-Time Events Data from GDELT

Identifying Events from Streams of RDF-Graphs Representing News and Social Media Messages

News Angler - Towards Discovering Unexpected Connections in the News

Detection of events in real-time news streams with dark entities using knowledge graphs

Developing a Software Reference Architecture for Journalistic Knowledge Platforms

1235

The News Angler Project: Exploring the Next Generation of Journalistic Knowledge Platforms

1

News Hunter Platform

1