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

通过新闻数据，探索使用特定故事提取和表示方法（故事地图）捕捉其框架信息的能力，结果表明，虽然该算法捕捉了框架的分布，但在不同开始和结束事件中实现一致的框架存在挑战，同时强调了故事地图揭示新闻故事中错综复杂的框架动态的潜力，但直接利用框架信息进行计算故事提取仍然是一个未解决的挑战。

May, 2024

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

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

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

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

我们研究了在线媒体对健康相关话题的框架，特别是在阴谋理论和主流媒体中的不同框架。我们采用了一种基于语义图的新颖框架提取方法，发现阴谋媒体中的健康相关叙述主要以信念为框架，而主流媒体则倾向于以科学为框架。我们希望我们的工作为更细致的框架分析提供新的方法。

Jan, 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

新闻报道中的偏见表现和影响是社会科学的核心主题，近年来在自然语言处理领域受到了越来越多的关注。本研究综述了社会科学的方法，并将其与自然语言处理领域中用于分析媒体偏见的典型任务表述、方法和评估指标进行了对比。我们讨论了开放性问题，并提出了可能的研究方向，以填补理论与预测模型之间及其评估之间的差距。这些包括模型透明度、考虑文档外部信息以及跨文档推理而非单一标签的分配。

Sep, 2023