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。
延伸解读
叙事结构自动检测的技术进展
文章介绍了利用CompRes数据集进行新闻叙事结构自动检测，采用新的故事要素，有监督模型F1得分达0.7。这表明自动检测叙事结构已取得一定成效，但仍有提升空间。后续研究可关注如何进一步提高检测精度，以及将方法扩展到更多语言和媒体类型。
政治议程与框架分析的新视角
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。这有助于理解新闻中政治实体的立场和议程设置。同时，文章提出非离散框架描述新闻类型，并重新评估传播科学中的框架概念，为自动检测多标签框架提供了新思路。
大语言模型在叙事分析中的角色与局限
文章探讨了大语言模型在文本结构分析、政治偏见检测等方面的应用。研究发现，大语言模型能生成结构完整的长文本，并可用于识别问题框架，但模型本身也可能存在政治偏见。此外，故事地图虽能捕捉框架分布，但实现一致框架仍面临挑战，直接利用框架信息进行计算故事提取尚未解决。
研究趋势与未来挑战
综述900多篇相关研究，总结了从事件中心角度提取新闻叙事的趋势和挑战。未来研究方向包括：改进叙事结构检测方法、探索大语言模型在叙事分析中的潜力、解决框架动态捕捉的难题，以及开发更有效的计算模型来自动分析新闻语句和叙事性。
Q&A
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。
