核心概念
本文提出了一種基於圖形的方法,利用抽象語義表示 (AMR) 從文本語料庫中提取和分析敘事信號,特別關注政治敘事。
摘要
文章類型
這篇文章是一篇研究論文,介紹了一種基於圖形的方法,用於從文本語料庫中提取和分析敘事信號。
研究目標
- 開發一種穩健且可複製的方法,用於從文本中提取和表示敘事信號。
- 探索如何利用抽象語義表示 (AMR) 來研究政治敘事。
方法
- 使用最先進的 AMR 解析器將句子解析為 AMR 表示。
- 將 AMR 圖形轉換為敘事軌跡表,其中每一行代表語料庫中的一個事件。
- 分析產生的表格以提取敘事信號,例如參與者、動作、目標和動機。
- 使用 VerbAtlas 語義詞典對謂詞框架進行分類,以識別目標和動機。
- 通過計算參與者之間的有利和不利行動來構建行動者網絡。
關鍵發現
- AMR 提供了一種靈活的方法來檢測和表示與敘事分析相關的概念,特別是參與者和事件。
- AMR 的基於圖形的表示可以直接與用於分析敘事的遠距離閱讀方法產生共鳴。
- 該方法可以有效地從公共話語中揭示塑造身份的政治敘事的信號。
主要結論
- 該方法提供了一種有希望的方法,用於從大型文本語料庫中自動提取和分析敘事信號。
- 基於 AMR 的方法能夠捕捉到敘事的關鍵方面,例如參與者、事件和觀點。
- 該方法可以應用於各種政治話語,以深入了解塑造政治現實的敘事。
意義
這項研究通過提供一種基於 AMR 的方法來提取和分析敘事信號,為基於語料庫的政治敘事研究做出了貢獻。該方法有可能增強我們對政治話語中敘事的作用及其對塑造政治現實的影響的理解。
局限性和未來研究
- 未考慮敘事的其他特徵,例如因果關係。
- 需要進一步研究以探索該方法在不同類型文本和領域中的適用性。
- 未來的研究可以探討將該方法與其他計算方法相結合以獲得對敘事的更全面理解。
統計資料
表 1 顯示了歐盟現狀演講語料庫中 20 個最常見的主動者 (ARG0)、受動者 (ARG1) 和動作(謂詞)。
表 2 顯示了每位歐盟主席最具代表性的受動者 (ARG1)。
引述
“複雜的社會現象,例如政治極化和錯誤信息,挑戰了基於傳統政治傾向標記的公共話語分析。”
“敘事是人類理解政治現實的關鍵解釋工具。”
“隨著敘事對於理解當前社會問題(例如極化和錯誤信息)的重要性日益明顯,人們對支持其經驗分析的方法的需求也越來越大。”