智客 ZICQ
EN 登录 / 注册
智客前沿 前沿论文 #LLM #情感分析 #政治新闻 #社会科学 #arXiv

超越情感分析:LLM多维框架揭示政治新闻分析的“中性坍缩”局限

Mr.Xu 的头像

文 / Mr.Xu 智客前沿编译 · 审校

发布时间: · 6 次阅读

中文阅读 (Chinese) English Version
共读互动 选中正文任意句子即可高亮划线、写下你的技术批注,或一键生成金句引用卡。 直达讨论区 ↓

摘要:arXiv最新研究对比了RoBERTa情感分析与LLM多维框架在政治新闻分析中的表现。研究发现,传统情感分析存在“中性坍缩”问题:RoBERTa将70%的文章归类为中性,其中23%实际带有显著负面倾向,导致信息扁平化。相比之下,LLM方法能捕捉政治偏见方向与强度、煽情性、情感诉求及政治框架等多维特征,更符合社会科学与人文(SSH)的认识论需求。该研究为政治媒体分析提供了新范式,强调传统情感分析不足,LLM多维框架更具解释力。


研究背景

政治话语分析是社会科学与人文(SSH)研究的核心,传统情感分析(SA)虽能有效进行极性分类,却难以捕捉修辞、意识形态和框架等深层维度。随着大语言模型(LLM)的崛起,研究者开始探索更丰富的分析工具。

核心发现:中性坍缩(Neutral Collapse)

研究团队选取了来自17家国际媒体的50篇政治新闻文章,对比了RoBERTa情感分析与LLM多维框架分析平台。结果揭示了一个关键局限:RoBERTa将70%的文章归类为中性,这实质上将内容丰富的政治文本扁平化为分析上无信息量的类别。更严重的是,23%的中性分类文章其负面概率得分超过0.30,表明这些文章实际带有明显的负面倾向,却被传统模型忽略。

LLM多维分析的优势

相比之下,LLM方法能够捕捉:

  • 政治偏见方向与强度:识别文本的立场倾向及其程度
  • 煽情性:检测情绪化表达和夸张手法
  • 情感诉求:分析文本如何调动读者情感
  • 政治框架:揭示议题的呈现方式和叙事结构

这些多维输出与SSH的认识论框架高度契合,为政治传播研究提供了更精细的量化工具。

行业影响与启示

该研究对政治媒体分析领域具有重要启示:

  1. 传统SA的局限性:在政治文本中,情感极性往往不足以反映复杂的话语策略,研究者需警惕“中性坍缩”带来的信息丢失。
  2. LLM的潜力:LLM不仅能进行情感分类,还能提供多维度、可解释的分析,适合社会科学研究。
  3. 方法论建议:对于政治媒体分析,建议采用LLM多维框架,或至少结合传统SA与LLM方法,以获得更全面的洞察。

结论

研究明确指出,对于政治媒体分析,传统情感分析单独使用是不够的,LLM多维框架提供了更符合SSH研究需求的计算视角。这一发现将推动计算社会科学领域采用更先进的NLP技术。


原文出处:arXiv:2608.05155v1


消息来源:ArXiv NLP/LLM (cs.CL) (2026-08-07)

—— 完 ——

主题标签: #LLM #情感分析 #政治新闻 #社会科学 #arXiv

编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。

读完这篇,你的第一判断是?
🚀 去【作品】晒出你的相关实践

社区整体评论区

正在加载实时智能评论与划词标注…