用关联规则挖掘做无监督新闻框架检测：Framing Gaza 案例研究

查看 PDF

摘要：计算框架分析主要由需要大量标注语料和预定义框架分类体系的监督分类器主导，这限制了其在非英语语言、新事件和低资源环境中的应用。本文提出将关联规则挖掘（ARM）作为一种无监督、无需标注的新闻框架检测框架。每篇文档或句子被视为词汇项的事务，高提升度的共现规则被解读为候选框架信号（Gamson 和 Modigliani 的凝缩符号），并由记者-研究者在语境中确认。主要验证是 Framing Gaza：来自 16 家美国、英国、法国和德国媒体的 25,512 篇英语文章，覆盖加沙战争第一年（2023 年 10 月至 2024 年 10 月），使用 Apriori（mlxtend）、平台加权支持度、POS 过滤的 n-gram 和基于提升度的评分进行分析。ARM 在没有预定义类别的情况下归纳性地呈现可解释的模式：一个跨平台的军事框架，{israeli, strike} 到 {kill}，在 16 家媒体中的 14 家作为闭合规则出现，逐月分析在没有事先事件标注的情况下恢复了事件驱动的框架转折（例如 2024 年 4 月的 World Central Kitchen 袭击）。识别出系统性的标题-正文分歧，标题承载集中、高提升度的编辑框架，而正文再现制度性、程序性语言。在 Seven Days 项目（关于 2026 年伊朗战争的 1,575 篇阿拉伯语文章）上的方法学验证表明，FP-Growth 能够以低得多的内存开销进行句子级分析。研究结果通过编辑采纳得到验证：两篇已发表的调查报道（Daraj Media；Saheeh Masr）。预处理代码公开释放；完整流程有文档记录但保留，以保持操作可部署性。

评论：	35 页，5 幅图，4 张表。工作论文。数据集：此 https URL
主题：	计算与语言（cs.CL）；计算机与社会（cs.CY）；信息检索（cs.IR）
ACM 分类：	I.2.7；H.2.8；J.4
引用为：	arXiv:2610.31874 [cs.CL]
	（或 arXiv:2610.31874v1 [cs.CL] 为此版本）
	https://doi.org/10.48550/arXiv.2610.31874 arXiv 发布的 DOI 通过 DataCite（待注册）

提交历史

来自：Hager Abdeltawab [查看电子邮件]
[v1] 2026 年 10 月 22 日星期四 20:06:03 UTC（759 KB）