Apr, 2023

新闻框架：从人类感知到大型语言模型推断

PDF
TL;DR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。
framingjournalismcovid-19no-vax movementnatural language processing
发现论文，激发创造
  • OpenFraming: 我们提供 ML; 你提供数据。与数据互动，发现其框架

    介绍了一种基于主题建模和深度学习的系统，用于分析和分类文本文档中的框架，该系统提供了预训练的框架分类模型以及适用于用户提供的语料库的新型分类模型的易于使用的流水线，旨在使研究人员能够获得文档的框架

    Aug, 2020

  • 美国枪击暴力报道中新闻标题和主题图片的检测

    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

  • 2000 年至 2017 年，150 万篇《纽约时报》文章的系统化媒体框架分析

    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

  • 多语言新闻框架分析扩展研究

    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

  • 新闻文章的受控神经句级改写

    本文研究如何通过神经文本生成技术在保持上下文一致性的同时对新闻文章中的句子进行重新构架，我们提出了三种策略以引导训练，包括框架语言预训练、命名实体保留和对抗训练，并通过自动和手工创作的方式进行主题一致性、连贯性和成功的重新构架方面的评估。我们的结果表明，生成适当框架的文本的效果良好，但存在一些权衡。

    Sep, 2021

  • Framing Unpacked: 一种半监督的可解释的多视角媒体框架模型

    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

  • 通过框架理论检测错误信息：基于框架元素的模型

    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

  • 误导性反应框架：关于读者对新闻标题的反应推理

    通过建立自由文本维度的误解反应框架来更准确地了解读者对新闻标题的认知反应，提出 MRF 数据集并使用神经网络学习进行分类预测，证明通过向读者展示机器生成的 MRF 反应可以提高他们对真实新闻的信任。

    Apr, 2021

  • 新闻叙事解码：大型语言模型在框架偏见检测中的关键分析

    本研究通过零 - shot、少 - shot 和可解释性提示方法，考察了 GPT-3.5 Turbo、GPT-4 和 Flan-T5 模型在检测新闻标题中的框架偏见方面的性能，并强调可解释性设置对社会科学研究中框架偏见的重要性。

    Feb, 2024

  • FrameFinder：从新闻标题中提取多角度探索性框架

    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