प्रायोजित सामग्री की पहचान समाचार साइटों में मशीन लर्निंग के साथ

नीदरलैंड के शोधकर्ताओं ने एक नई मशीन लर्निंग विधि विकसित की है जो समाचार प्लेटफ़ॉर्म के भीतर प्रायोजित या अन्यथा भुगतान की गई सामग्री को पहचानने में सक्षम है, 90% से अधिक की सटीकता के साथ, ‘नेटिव’ विज्ञापन प्रारूपों में विज्ञापनदाताओं की बढ़ती रुचि के जवाब में जो ‘वास्तविक’ पत्रकारिता उत्पादन से अलग करना मुश्किल है।

नई पेपर, जिसका शीर्षक है समाचार में वाणिज्यिक और संपादकीय सामग्री को अलग करना, लीडेन विश्वविद्यालय के शोधकर्ताओं से है।

वाणिज्यिक (लाल) और संपादकीय (नीला) उप-ग्राफ डेटा के विश्लेषण से उभर रहे हैं। स्रोत: https://arxiv.org/pdf/2111.03916.pdf

लेखकों का अवलोकन है कि हालांकि अधिक गंभीर प्रकाशन, जो विज्ञापनदाताओं के साथ शर्तों को निर्धारित करने में सक्षम हैं, ‘साथी सामग्री’ को सामान्य समाचार और विश्लेषण के प्रवाह से अलग करने का एक उचित प्रयास करेंगे, मानक धीरे-धीरे लेकिन अविरत रूप से एक प्रकाशन में संपादकीय और वाणिज्यिक टीमों के बीच एकीकरण में वृद्धि की ओर बढ़ रहे हैं, जिसे वे एक चिंताजनक और नकारात्मक रुझान मानते हैं।

‘सामग्री को छिपाने की क्षमता, इच्छानुसार या अनिच्छानुसार, और यह तथ्य कि विज्ञापनदाताओं को यह भी नहीं पता है कि वे वास्तव में प्रायोजित हैं या नहीं, यह बहुत बड़ा है। विज्ञापनदाता इसे देशी [विज्ञापन] कहते हैं क्योंकि यह वास्तव में देशी है।’

देशी विज्ञापन के वर्तमान कुछ उदाहरण, जिन्हें ‘साथी सामग्री’, ‘ब्रांड सामग्री’ और कई अन्य नामों से पुकारा जाता है, जो समाचार प्लेटफ़ॉर्म में देशी और वाणिज्यिक रूप से रखी गई सामग्री के बीच के अंतर को धीरे-धीरे छिपाने के लिए डिज़ाइन किए गए हैं।

यह काम एक व्यापक जांच के हिस्से के रूप में किया गया था जो नेटवर्क्ड न्यूज़ संस्कृति में एसीडी रीवरब चैनल में हो रहा था, जो एम्स्टर्डम में स्थित है, जो पत्रकारिता के विकसित होते रुझानों के डेटा-संचालित विश्लेषण पर केंद्रित है।

डेटा प्राप्त करना

परियोजना के लिए स्रोत डेटा विकसित करने के लिए, लेखकों ने चार डच समाचार आउटलेट्स से 1,000 लेख और 1,000 विज्ञापनदाताओं का उपयोग किया और उन्हें उनकी पाठ सुविधाओं के आधार पर वर्गीकृत किया। चूंकि डेटासेट आकार में अपेक्षाकृत छोटा था, लेखकों ने उच्च-स्तरीय दृष्टिकोणों से बचने का फैसला किया, जैसे कि बीईआरटी, और इसके बजाय अधिक पारंपरिक मशीन लर्निंग फ्रेमवर्क की प्रभावशीलता का मूल्यांकन किया, जिसमें सपोर्ट वेक्टर मशीन (एसवीएम), लीनियरएसवीसी, निर्णय पेड़, रैंडम फ़ॉरेस्ट, के-निकटतम पड़ोसी (के-एनएन), स्टोकेस्टिक ग्रेडिएंट डिसेंट (एसजीडी) और नाइव बेस शामिल हैं।

रीवरब चैनल कॉर्पस 1,000 आवश्यक ‘सीधे’ लेख प्रदान करने में सक्षम था, लेकिन लेखकों को चार डच वेबसाइटों से सीधे विज्ञापनदाताओं को खुरचना पड़ा। प्राप्त डेटा उपलब्ध है सीमित रूप में (कॉपीराइट चिंताओं के कारण) गिटहब पर, कुछ पायथन कोड के साथ जो डेटा प्राप्त करने और मूल्यांकन करने के लिए उपयोग किया गया था।

अध्ययन किए गए चार प्रकाशन थे राजनीतिक रूप से रूढ़िवादी न्यू.नл, अधिक प्रगतिशील टेलीग्राफ, एनआरसी, और व्यावसायिक पत्रिका डी ओंडरनेमर। प्रत्येक प्रकाशन डेटा में समान रूप से प्रतिनिधित्व किया गया था।

यह आवश्यक था कि शोध द्वारा बनाई गई शब्दावली में संभावित ‘लीक’ की पहचान की जाए और छूट दी जाए – जो शब्द दोनों प्रकार की सामग्री में थोड़ा अंतर के साथ आवृत्ति और उपयोग में दिखाई दे सकते हैं, वास्तविक देशी और प्रायोजित सामग्री के लिए स्पष्ट पैटर्न स्थापित करने के लिए।

परिणाम

परीक्षण किए गए तरीकों में, एसवीएम, लीनियरएसवीसी, रैंडम फ़ॉरेस्ट और एसजीडी द्वारा सबसे अच्छे परिणाम प्राप्त किए गए। इसलिए, शोधकर्ताओं ने आगे के विश्लेषण के लिए एसवीएम का उपयोग करने का फैसला किया।

संग्रह में वर्गीकरण निकालने के लिए सबसे अच्छा मॉडल दृष्टिकोण 90% से अधिक सटीकता से अधिक था, हालांकि शोधकर्ताओं का उल्लेख है कि स्पष्ट वर्गीकरण प्राप्त करना अधिक कठिन हो जाता है जब बी2बी उन्मुख प्रकाशनों के साथ निपटा जाता है, जहां ‘वास्तविक’ और ‘प्रायोजित’ सामग्री के बीच शब्दावली ओवरलैप अत्यधिक है – शायद इसलिए कि व्यावसायिक भाषा की देशी शैली पहले से ही सामान्य रिपोर्टिंग और विश्लेषण सम्मेलनों की तुलना में अधिक विषयगत है, और एक एजेंडा को अधिक आसानी से छिपा सकती है।

चार प्रकाशनों में वास्तविक और प्रायोजित सामग्री के पृथक्करण के लिए t-वितरित स्टोकेस्टिक नेबर एम्बेडिंग (t-SNE) प्लॉट।

क्या प्रायोजित सामग्री ‘फ़ेक न्यूज़’ है?

लेखकों के शोध से पता चलता है कि उनकी परियोजना समाचार सामग्री विश्लेषण के क्षेत्र में नई है। प्रायोजित सामग्री की पहचान करने में सक्षम फ्रेमवर्क विकसित करने का मार्ग प्रशस्त कर सकते हैं जो वर्ष-दर-वर्ष वस्तुनिष्ठ पत्रकारिता और बढ़ते हुए ‘देशी विज्ञापन’ के बीच संतुलन की निगरानी के लिए तरीके खोज सकते हैं, जो अधिकांश प्रकाशनों में लगभग एक ही संदर्भ में बैठता है, सामान्य सामग्री (सीएसएस शीट और अन्य प्रारूप) के समान दृश्य संकेतों का उपयोग करता है।

एक निश्चित अर्थ में, प्रायोजित सामग्री के लिए स्पष्ट संदर्भ की अक्सर कमी ‘फ़ेक न्यूज़’ के अध्ययन के एक उप-क्षेत्र के रूप में उभर रही है। हालांकि अधिकांश प्रकाशक ‘गिरिजा और राज्य’ के पृथक्करण की आवश्यकता को पहचानते हैं और पाठकों को भुगतान की गई और स्वाभाविक रूप से उत्पन्न सामग्री के बीच स्पष्ट विभाजन प्रदान करने के लिए बाध्य हैं, पत्रकारिता के पोस्ट-मुद्रण दृश्य की वास्तविकताएं और विज्ञापनदाताओं पर बढ़ती निर्भरता ने प्रायोजित संकेतकों को कम करने की कला में महारत हासिल कर ली है। कभी-कभी प्रायोजित सामग्री चलाने के पुरस्कार इतने आकर्षक होते हैं कि वे एक बड़ा ऑप्टिकल आपदा जोखिम में डाल सकते हैं।

2015 में, सोशल मीडिया और प्रतिस्पर्धी बेंचमार्किंग प्लेटफ़ॉर्म क्विंटली ने फ़ेसबुक पर एक पोस्ट प्रायोजित है या नहीं यह निर्धारित करने के लिए एक एआई-आधारित पहचान विधि की पेशकश की, 96% की सटीकता दर का दावा किया। अगले वर्ष, जॉर्जिया विश्वविद्यालय के एक अध्ययन में दावा किया गया कि प्रायोजित सामग्री की घोषणा के साथ प्रकाशकों का व्यवहार ‘धोखाधड़ी के साथ सहयोगी‘ हो सकता है।

2017 में, मीडियाशिफ्ट, एक संगठन जो मीडिया और प्रौद्योगिकी के बीच के अंतर्संबंध की जांच करता है, 观察 किया कि न्यूयॉर्क टाइम्स अपने ब्रांडेड कंटेंट स्टूडियो, टी ब्रांड स्टूडियो के माध्यम से अपने संचालन को मोनेटाइज़ करने की बढ़ती हद तक, प्रायोजित सामग्री के आसपास पारदर्शिता के घटते स्तर का दावा किया, जिसका परिणाम यह हुआ कि पाठक आसानी से यह नहीं बता सकते कि सामग्री स्वाभाविक रूप से उत्पन्न है या नहीं।

2020 में, नीदरलैंड्स से एक अन्य शोध पहल ने मशीन लर्निंग वर्गीकरणकर्ताओं को विकसित करने के लिए स्वचालित रूप से पहचाना कि रूसी राज्य-वित्तपोषित समाचार सेर्बियाई समाचार प्लेटफ़ॉर्म में दिखाई दे रहे हैं। इसके अलावा, 2019 में अनुमान लगाया गया था कि फोर्ब्स की ‘मीडिया सामग्री समाधान’ ब्रांडवॉइस के माध्यम से अपनी कुल राजस्व का 40% हिस्सा है, जो प्रकाशक द्वारा 2010 में लॉन्च किया गया था।