arXiv cs.CL· Dario Zarcone, Salvatore Miccich\`e, David Sanchez·· 11 小时前AI 评分21
用复杂系统方法检测意大利媒体的历史转折点：基于《La Repubblica》历时新闻语料的分析
Detecting Historical Turning Points in Italian Media: A Complex Systems Approach to a Diachronic News Corpus
AI 导读
研究重建了意大利《La Repubblica》1985年1月1日至2000年12月31日约60万篇文章的历时语料，结合NLP与复杂系统、统计物理方法追踪媒体话语变迁。词频呈爆发式、Fano因子重尾分布且跨时间尺度稳健，词显著性与语义相似度的变点可在无先验标注下识别第一共和国向第二共和国过渡、海湾战争、科索沃战争等转折期。战争时期语义空间熵更低，表明话语更集中。
正文 · AI 翻译
摘要：引言：大规模文本语料的日益普及，为利用自然语言处理（NLP）进行数据驱动的历史分析定量方法开辟了新的可能性。然而，具有历史相关性的前数字时代历时语料仍然稀缺，且往往不完整。
方法：我们提出一种基于对一个历时语料库进行重建与探索的历史分析定量方法，该语料库包含意大利报纸《La Repubblica》约 60 万篇文章，涵盖 1985 年 1 月 1 日至 2000 年 12 月 31 日期间发表的所有文章——这一时期意大利和全球都经历了重大的政治、社会与地缘政治变革。我们使用 NLP 技术，在词汇和语义两个层面分析文本；随后应用复杂系统与统计物理的工具，追踪媒体话语随时间的变化。
结果：语料库中的词语使用呈突发性，Fano 因子呈重尾分布，且在不同时间尺度上保持稳健。词语显著性的变点以及语义相似度的块结构，使我们能够在无需依赖先验标注的情况下检测关键转型期，例如意大利从第一共和国向第二共和国的过渡，或海湾战争、科索沃战争等重大国际冲突。战争时期对应语义空间的较低熵，表明话语更加集中。
讨论：结果表明，将计算语言学与复杂系统的思想相结合，能够为历史变迁提供新的定量洞见，为通过大规模文本数据研究媒体与社会的动态开辟新路径。
| 评论： | 18 页，9 幅图，1 张表 |
| 主题： | 物理与社会（physics.soc-ph）；统计力学（cond-mat.stat-mech）；计算与语言（cs.CL） |
| 引用为： | arXiv:2606.14348 [physics.soc-ph] |
| （或 arXiv:2606.14348v2 [physics.soc-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.14348 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | Frontiers in Complex Systems. Volume 4 (2026) 1868587 |
| 相关 DOI： | https://doi.org/10.3389/fcpxs.2026.1868587
链接到相关资源的 DOI |
提交历史
来自：Dario Zarcone [查看电子邮件]
[v1]
2026 年 6 月 12 日星期五 11:02:34 UTC（1,181 KB）
[v2]
2026 年 11 月 2 日星期一 15:35:04 UTC（1,157 KB）
来源：arXiv cs.CL · arxiv.org