本文通过对欧洲五个国家的 No-Vax 运动相关文章的标题进行人工标记及使用 GPT-3.5 的微调和提示工程来推断新闻标题的框架，以研究该主题。研究结果为新闻分类等任务的可行性和 GPT-3.5 模型是否能够复制人的感知能力做出贡献。

Apr, 2023

使用半监督模型和自编码框架，学习嵌入新闻文章中事件和相关人物的本地信息，并利用这个信号进行框架分类。实验结果显示，该模型表现优于以前的框架预测模型，并可以通过使用半监督模型的未标记训练数据进一步提高性能，并且所学的事件和角色嵌入直观上与文档级预测相符，提供一种细致和可解释的文章框架表示。

Apr, 2021

揭示新闻文章构架是信息搜索和检索中一个重要但被忽视的任务。本研究提出了 FrameFinder，一种用于提取和分析文本数据中构架的开放工具。通过从三个角度（即构架标签、构架维度和构架结构）视觉化地表示文本的构架，我们展示了我们提出的解决方案在支持社会科学研究方面的优势，并呼吁将其纳入信息交互的后续整合。

Dec, 2023

本研究探索了通过众包进行数据集创建的可能性，利用非专家注释员开发训练语料库，扩展了多语种的媒体框架分析并提供了孟加拉语和葡萄牙语的新基准数据集，展示出在众包数据集的基础上与其他现有数据集相结合，从而使基线提高 5.32 个百分点，并发现任务特定的精调是比使用更大的非专业模型更好的方法。

Apr, 2024

开发了一种媒体帧分类器，对从 2000 年到 2017 年发表的 150 万篇《纽约时报》文章进行系统分析，揭示了短期帧丰富度波动与主要事件的密切对应关系，以及包括 “文化认同” 帧逐渐普及等几个长期趋势。通过研究特定主题和情感，识别了每个帧的特征和动态，最后以群体枪击为例，揭示了三种主要的框架模式。这种可扩展的计算方法开辟了系统媒体框架研究的新途径。

May, 2020

通过大规模的调整语言模型，提出了一种建模差异语境的框架，该框架能够捕捉传统媒体和社交媒体上政治性偏见问题的高度可靠性。

Feb, 2023

研究发现，通过使用多种信息模式（包括文章和图像派生特征）对新闻框架进行预测可以提高准确性，特别是当图像与标题的框架相关时。这也表明框架图像相关性与通过图像传递框架的便利程度相关。此外，作者还发布了美国枪支暴力相关的第一个多模式新闻框架数据集，供传播研究人员进一步研究多种信息模式在媒体框架研究中的应用。

Jun, 2024

应用深度学习和大型语言模型的创新方法，探讨信息框架对误导性信息检测的影响，以及如何应用框架理论提升检测性能。

Feb, 2024

本研究旨在重新评估传播科学中的框架概念，将其与故事中重要实体的叙事框架相结合，提出自动检测多标签测定的框架，并在新闻机构的气候变化框架案例研究中应用传统的监督和半监督学习技术，最终在透明的预测中呈现了一种新的基于检索的既有效又透明的方法。

Jun, 2023

本文通过引入一个新的在线讨论语料库，探讨了如何通过多任务和对抗式训练的方法，在只有目标域未标记训练数据的情况下，将新闻和社交媒体中训练的框架检测模型转移到讨论论坛领域的程度。

Apr, 2019