arXiv cs.CY· Shimaa Ibrahim, Nour Elhouda Dalloua, Md. Rafiul Biswas, Wajdi Zaghouani·· 11 小时前AI 评分20
AraEngage：阿拉伯语 Facebook 新闻互动度的可解释语言特征
AraEngage: Interpretable Linguistic Correlates of Engagement in Arabic Facebook News
AI 导读
AraEngage 构建了覆盖 57 个国家、2451 个页面的 1 万条阿拉伯语 Facebook 新闻帖样本，将互动量与可解释语言特征配对。Random Forest 模型在帖子级划分上 R²=0.38，宗教表达、消息长度、句子长度和词汇密度是主要相关因素，且正向情感在该样本中与更高互动相关，与英文新闻不同。
正文 · AI 翻译
摘要：为英语开发的互动特征通常被套用于阿拉伯语，但未标音的阿拉伯语会改变词汇特征所衡量的内容。我们推出 AraEngage，这是一个由查询定义的样本，包含来自 57 个国家 2,451 个页面的 10,000 条公开阿拉伯语 Facebook 新闻帖子（2023-2024 年），将互动计数与可解释的语言特征配对。我们用它来考察哪些可解释的阿拉伯语指标与按关注者归一化的互动相关，以及在发布者背景、互动定义和词汇歧义的情况下，这些关联的可信度有多高。在随机森林模型（在帖子级划分上 $R^2$ = 0.38）中，宗教表达、消息长度、句子长度和词汇密度是主要相关因素，并用 SHAP 进行解释。与英语新闻不同，在这个阿拉伯语新闻样本中，积极情感与更高的互动相关。消息长度呈现出长度悖论：未调整的原始互动在长帖中最高，而模型对按关注者归一化互动的归因则偏向短帖。一项语言审计指出了标准词典特征在未标音阿拉伯语中为何脆弱：祈使词表包含同形异义词，例如被读作“表达！”的形式同时也是高频介词“via”；模糊限制词表将可能性标记 qad + 未完成体（“可能”）与强调性 qad + 完成体（“确实”）混为一谈；宗教词表将虔诚套语与政治新闻中的地名混在一起。这些是测量误差的合理来源，可能削弱祈使词和模糊限制词近乎为零的关联。所有发现均为与操作化指标之间的观察性关联。我们发布衍生的语言特征、互动计数、精炼词典和分析代码；原始帖子不再分发，以符合 CrowdTangle 条款。
| 评论： | 13 页，4 幅图，8 张表。将发表于 ArabicNLP 2026 |
| 主题： | 计算与语言（cs.CL）；计算机与社会（cs.CY）；社会与信息网络（cs.SI） |
| 引用为： | arXiv:2611.07926 [cs.CL] |
| （或 arXiv:2611.07926v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07926 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Shimaa Ibrahim [查看邮箱]
[v1]
2026 年 11 月 5 日星期四 12:32:25 UTC（1,182 KB）
来源：arXiv cs.CY · arxiv.org