Jul, 2023

在线讨论中集体叙事位移的发现

PDF
TL;DR本研究提出了一种系统的叙述性发现框架，通过改变点检测、语义角色标注（SRL）和叙事片段的自动聚合来解决大规模文本下叙述性的提取，并在两个 Twitter 语料库中评估了我们的模型，结果表明我们的方法可以恢复相应于重大事件的主要叙述转变。
发现论文，激发创造
  • 社交媒体上的 LLM 能学习宏观经济叙事吗？

    该研究从科学角度出发，利用大型语言模型提供了有关经济领域叙事提取和总结的宝贵见解和自然语言处理工具，为未来关于经济领域叙事角色的研究做出了贡献。

    Jun, 2024

  • 从社交媒体预测短篇叙述的质量

    本研究提出了使用社交媒体点赞数作为故事质量评估的一种方法，并利用神经网络来预测没有社交网络特征的点赞数，为未来的研究提供了强有力的基准。这也是关于叙述质量自动评估的首个大规模研究。

    Jul, 2017

  • 虚假网站：追踪虚假新闻故事的传播与影响力

    自动化系统用于跟踪网上平台上的新闻叙事，识别其中的流行叙事，并发现并分析最有影响力的网站和新兴叙事，有助于更快地解决不实信息。

    Aug, 2023

  • 冠状病毒时期的阴谋论：社交媒体和新闻中自动检测 Covid-19 阴谋论

    通过自动化机器学习方法和叙事理论，分析社交媒体上的谣言和阴谋论，揭示支撑这些谣言生成的基本叙事框架，及其如何与关于 Covid-19 疫情的报道相关，以寻找疫情报道中易被阴谋论重新解释的薄弱点。

    Apr, 2020

  • 科学与阴谋：（误）信息时代中的集体叙事

    研究发现，在社交媒体上，信息消费者聚集在具有类似信息消费模式的独特叙事周围，尤其是在涉及科学与替代新闻时；而传播虚假和嘲讽性信息与阴谋论的新闻的常规受众是最愿意与其互动的。

    Aug, 2014

  • 基于复杂社交媒体数据流的关键社会事件的时间序列分析

    研究采用定量基于语料库的话语分析技术，探索了社交媒体平台 GAB 和通讯服务 Telegram 上叙事演化的方法，通过识别关键的名词和动词进行深入研究，从而获得有价值且可操作的洞察。该研究对于时间序列相关信息挖掘提供了有用的方法，可以促进积极社会参与的前瞻性方式。

    Mar, 2024

  • 基于事件的新闻叙事提取调查

    本综述文章聚焦于从事件中心的角度提取新闻叙事，包括合成、组织、评估方法等方面，总结了 900 多篇相关文章中的 54 篇研究，分析了近年来的趋势和未来的挑战和潜在研究方向。

    Feb, 2023

  • 论叙事信息及故事提炼

    本文提出了叙事信息的概念，使用对比学习方法和神经网络，提取叙事信息的表示，然后使用演化算法和拟合算法提取叙事模板，并用这些模板对音乐专辑进行重排，实验证明这些模板存在于现有音乐专辑中。

    Nov, 2022

  • 网络故事分布调查：在线社区中的故事发现

    人们在网上分享故事具有多种目的，研究在线社区中的讲故事行为具有挑战性，本研究引入了一个编码手册，并创造了一个由 502 个带有标记的英语帖子和评论组成的专家注释数据集，通过该数据集，我们训练和评估了一个在线故事检测模型，用以调查不同社交环境中讲故事的角色，我们发现了在线讲故事的独特特征，不同社区中讲故事的普遍性以及讲故事的对话模式。

    Nov, 2023

  • 健康相关叙事的框架分析：阴谋论与主流媒体

    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