BriefGPT - AI 论文速递
·
社交媒体讨论中的词语作为触发点
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于NLP的框架，通过分析话题选择、表达方式、情感和言语作用等四个维度来研究社交媒体中的政治极化。作者通过现有的词汇方法量化这些方面，并提出了利用聚类技术识别分析主题的方法。研究发现21起大规模枪击事件的讨论在政治上高度极化，共和党更关注枪手和事件特定事实，而民主党则更关注受害者和政策变化的呼吁。同时，作者还发现了一些引导言论极化的表达方式，诸如“基础事实”以及“恐怖分子”和“疯子”这两个术语的不同使用。该研究深入了解了语言中的群体分裂表现方法，并提供了计算方法来研究这些现象。
🎯
关键要点
- 提出了一种基于NLP的框架，分析社交媒体中的政治极化。
- 研究从话题选择、表达方式、情感和言语作用四个维度进行。
- 利用现有词汇方法量化这些方面，并应用聚类技术识别主题。
- 对21起大规模枪击事件的4.4M条推文进行研究，发现讨论高度极化。
- 共和党关注枪手和事件特定事实，民主党关注受害者和政策变化的呼吁。
- 发现引导言论极化的表达方式，如“基础事实”、“恐怖分子”和“疯子”的不同使用。
- 深入了解语言中的群体分裂表现方法，并提供计算方法研究这些现象。
➡️
