BriefGPT - AI 论文速递
·
利用大语言模型和叙事结构文本嵌入映射新闻叙事
内容提要
本文研究了利用CompRes数据集进行新闻叙述结构的自动检测，提出了新的故事要素和分析框架，并通过有监督模型训练实现了高达0.7的F1得分。研究还探讨了政治实体在事件中的内在议程，提出了描述新闻类型的非离散框架，并总结了900多篇相关研究的趋势与挑战。此外，利用大型语言模型分析文本结构与框架信息的提取，揭示了政治偏见的检测及其影响。
关键要点
-
利用CompRes数据集进行新闻叙述结构自动检测，提出新的故事要素，F1得分高达0.7。
-
通过组合式阅读器模型分析多篇文档，捕获政治实体的内在议程，形成有效表征。
-
提出用于描述新闻类型的非离散框架，提供计算模型自动分析新闻语句。
-
综述900多篇相关研究，总结趋势、挑战和未来研究方向。
-
重新评估传播科学中的框架概念，结合重要实体的叙事框架，提出自动检测多标签测定的框架。
-
提出系统的叙述性发现框架，通过自动聚合叙事片段提取大规模文本的叙述性。
-
使用大型语言模型分析文本结构，验证潜在主题结构与文档结构的关系。
-
探索故事提取和表示方法的能力，强调故事地图在捕捉框架动态中的潜力。
-
研究人工撰写与机器生成文章的性质变化及政治偏见检测，发现显著差异。
-
引入新的“配对完成”方法，基于大型语言模型有效识别问题框架，具备显著优势。
延伸问答
CompRes数据集在新闻叙述结构自动检测中的作用是什么？
CompRes数据集用于自动检测新闻媒体的叙述结构，通过新的故事要素和有监督模型训练，实现了高达0.7的F1得分。
文章中提到的非离散框架是如何描述新闻类型的？
非离散框架通过“事实性”和“形式性”两个维度，提供计算模型以自动分析新闻语句，帮助理解新闻类型的演变。
研究中如何捕获政治实体的内在议程？
研究利用组合式阅读器模型分析多篇文档，捕获政治实体对特定事件的内在议程，从而形成有效表征。
文章总结了哪些关于新闻叙述的趋势和挑战？
文章综述了900多篇相关研究，分析了近年来的趋势、挑战和未来的研究方向，特别是从事件中心提取新闻叙事的合成和组织方法。
大型语言模型在文本结构分析中的作用是什么？
大型语言模型能够生成结构完整且连贯的长文本，验证了潜在主题结构与文档结构的关系，显示出其在文本分析中的有效性。
如何通过新的“配对完成”方法检测问题框架？
新的“配对完成”方法基于大型语言模型的下一个标记日志概率，能够在大规模数据集中有效识别问题框架，且只需少量样本。
