News Style Corpus v2

Name: News Style Corpus v2
License: https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Keywords: Visual analytics

Datos de investigación

News Style Corpus v2

Autores: Przybiła, Piotr; Soto, Axel Juan Icon

Publicador: Consejo Nacional de Investigaciones Científicas y Técnicas

Fecha de depósito: 18/07/2022

Fecha de creación: 11/06/2021

Clasificación temática:

Ciencias de la Computación

Resumen

El corpus utilizado en esta investigación contiene 95.900 documentos de 199 fuentes. News Style Corpus v2 se basa en un corpus anterior (https://github.com/piotrmp/fakestyle), utilizando el trabajo de PolitiFact (https://www.politifact.com/punditfact/article/2017/apr/20/politifacts-guide-fake-news-websites-and-what-they/) y Pew Research Center (https://www.journalism.org/2014/10/21/political-polarization-media-habits/) para evaluaciones de credibilidad en función de su origen. Esta versión refina la anterior mediante la extracción de texto sin formato a través de la biblioteca unfluff (https://github.com/ageitgey/node-unfluff) y la eliminación de documentos con contenido insuficiente.

Información Técnica

El tsv compartido junto con el código provisto ( https://github.com/piotrmp/credibilator/tree/master/NewsStyleCorpus2) contiene la información necesaria para recuperar las páginas que conforman el corpus usando el archivo de WayBackMachine. En particular el .tsv contiene todos los documentos del corpus, cada uno con el sitio web (dominio) del que proviene y su etiqueta de credibilidad, la URL de la página original y la dirección bajo la cual el documento está disponible actualmente en el archivo de WayBackMachine.

Palabras clave: Visual analytics, Credibility, Text classification, Fake news, Natural language processing

Previsualización destacada

Identificador del recurso

URI: http://hdl.handle.net/11336/162377

Colecciones

Datos de Investigación(CCT - BAHIA BLANCA)
Datos de Investigación de CTRO.CIENTIFICO TECNOL.CONICET - BAHIA BLANCA

Citación

Przybiła, Piotr; Soto, Axel Juan; (2022): News Style Corpus v2. Consejo Nacional de Investigaciones Científicas y Técnicas. (dataset). http://hdl.handle.net/11336/162377

Condiciones de uso

Las buenas prácticas científicas esperan que se otorgue el crédito adecuado mediante una citación. Utilice un formato de citación y aplique estas normas de reutilización.

Excepto donde se diga explícitamente, este item se publica bajo la siguiente descripción: Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Unported (CC BY-NC-SA 2.5)