Modeling Political Discourse with Sentence-BERT and BERTopic
Department of Computer Science, Faculty of Sciences, University of Porto, Portugal（计算机科学系，科学学院，波尔图大学，葡萄牙）
本研究结合BERTopic与道德基础理论，提出主题演化框架，分析美国国会Twitter政治话语，发现细粒度主题短暂、道德基础影响持久性，贡献于计算政治话语分析。
2025-10-27 cs.CL cs.CY cs.SI
Multiclass Sentiment Analysis for Identifying Political Viewpoints
Centro de Investigaciones en Computación (CIC), Instituto Politécnico Nacional (IPN)（国家理工学院计算机研究中心）
本研究针对社交媒体政治观点开展多类别情感分析，设计并评估XGBoost与BERT两种机器学习方法，在测试集上分别取得0.2835与0.2806的F1值，为该领域研究提供了基准。
2026-08-12 cs.AI cs.CL
BenCoDiC: A Large-Scale Contextual Cyberbullying Corpus for Bengali Political News Discourse FULL VERSION
University of Chittagong（吉大港大学）；Gopalganj Science and Technology University（戈帕尔甘杰科学技术大学）；Bangladesh University（孟加拉国大学）
针对现有孟加拉语网络欺凌语料库的局限，研究推出大规模情境语料库BenCoDiC，采用两级人工标注，实验显示融入对话情境可提升分类效果，支持情境感知检测与相关分析。
2026-10-12 cs.CL cs.SI
A Structural Text-Based Scaling Model for Analyzing Political Discourse
Paris Lodron University Salzburg（萨尔茨堡巴黎洛顿大学）；WU Vienna University of Economics and Business（维也纳经济大学）
本文提出STBS模型，拓展泊松分解并结合收缩先验与发言者协变量，用于从文本推断潜在主题的意识形态立场，经美国参议院演讲验证，可有效识别政党分歧议题及发言者特征对立场的影响。
2024-10-14 cs.CL math.ST stat.ME
Political Footprints: Political Discourse Analysis using Pre-Trained Word Vectors
在本文中，我们讨论了如何使用机器学习来产生一个系统的和更客观的政治话语分析。政治足迹是应用于政治话语的向量空间模型。它们的每个向量代表一个单词，并且通过在大型文本语料库上训练英语词典来产生。本文介绍了政治足迹的简单实现，如何使用它们的一些技巧，以及它们在四个案例中的应用：联合国京都议定书和巴黎协定，以及两次美国总统选举。本书将为读者提供一些理由，让他们相信政治足迹会产生有意义的结果，并就如何改进其实施提出一些建议。
2017-05-17 cs.CL
Cultural Adaptation in Large Language Models for Political Discourse
Northwestern University in Qatar（卡塔尔西北大学）
本文探讨大型语言模型在政治话语分析中的文化适应问题，提出通过翻译、话语和本体层面的形式化框架及评估矩阵，确保跨文化部署的可靠性和民主安全性。
2026-05-22 cs.CL
Sympathy over Polarization: A Computational Discourse Analysis of Social Media Posts about the July 2024 Trump Assassination Attempt
Northwestern University（西北大学）；University of Chicago（芝加哥大学）；Georgetown University（乔治城大学）；University of South Florida（南佛罗里达大学）
本研究针对2024年7月特朗普遇刺事件，通过分析X平台前后一周的帖子，结合大语言模型情感分析、双重差分与主题建模，发现事件后公众普遍同情特朗普而非极化，揭示了此类政治冲击对舆论的短期影响。
2025-01-17 cs.CL cs.SI
They want to pretend not to understand: The Limits of Current LLMs in Interpreting Implicit Content of Political Discourse
University of Florence（佛罗伦萨大学）；University of Amsterdam（阿姆斯特丹大学）
本文首次基于IMPAQTS语料库，通过多项选择与开放式生成任务评估LLM解读政治话语中预设和含义推导的能力，发现现有模型存在关键语用能力缺陷，并开源数据与代码。
2025-06-07 cs.CL
The Enemy from Within: A Study of Political Delegitimization Discourse in Israeli Political Speech
The Hebrew University of Jerusalem（耶路撒冷希伯来大学）
本文首次对政治去合法化话语（PDD）进行大规模计算研究，构建了希伯来语语料库并提出两阶段分类流水线，揭示了PDD在三十年间及跨平台数据中的增长趋势，证明了自动化分析的价值。
2025-10-13 cs.CL
Text Classification of Manifestos and COVID-19 Press Briefings using BERT and Convolutional Neural Networks
ESRC Business and Local Government Data Research Centre（ESRC商业与地方政府数据研究中心）
我们使用来自Manifestion Project的现有人类专家注释的政治宣言语料库构建了一个政治级政治话语分类器（Rehens等人，2020 a）并将其应用于COVID-19新闻简报（Chatsiou，2020）的语料库。我们使用手动标注的政治宣言作为训练数据来训练局部主题卷积神经网络（CNN）分类器;然后将其应用于COVID-19新闻简报语料库，以自动分类测试语料库中的句子。我们报告了一系列实验，其中CNN在预先训练的嵌入基础上进行训练，用于执行文档级分类任务。我们表明，CNN与像BERT这样的Transformers相结合的性能优于CNN与其他嵌入（Word 2 Vec，Glove，ELMo）相结合的性能，并且可以使用预先训练的分类器对不同的政治文本进行自动分类，而无需额外的训练。
2020-11-02 cs.CL cs.LG
From Ground Trust to Truth: Disparities in Offensive Language Judgments on Contemporary Korean Political Discourse
Chung-Ang University（中央大学）
本文构建当代韩国政治话语数据集，在无真实标签条件下比较三种攻击性语言判断方法，发现策略性单次提示可达到与高资源方法相当的性能，为现实受限场景提供了可行方案。
2025-09-18 cs.CL
Upvotes? Downvotes? No Votes? Understanding the relationship between reaction mechanisms and political discourse on Reddit
Sony AI（索尼人工智能研究院）；Technical University of Munich（慕尼黑工业大学）；Princeton University（普林斯顿大学）
很大一部分政治话语发生在社交媒体平台上。政策制定者和研究人员试图了解社交媒体设计在塑造全球政治话语质量方面的作用。在过去的几十年里，政治话语理论的研究已经产生了不同类型的突出的政治修辞，如审议，公民，或蛊惑人心的话语的鲜明特征。这项研究调查了社交媒体反应机制（即，通过对政治话语理论进行深入的概念分析，研究用户讨论中的政治修辞（upvotes，downvotes）和政治修辞。首先，我们分析了2010年至2018年间Reddit上55个政治子论坛的1.55亿条用户评论，以探讨用户的政治讨论风格是否与审议，公民和煽动性话语的基本组成部分一致。其次，我们进行了一个定量研究，结合验证性因素分析和差异模型的差异，以探讨不同的反应机制方案（例如，只有赞成票，赞成票和反对票，没有反应机制）对应于或多或少具有审议、公民或煽动性话语特征的政治用户讨论。我们生产三种主要的外卖。首先，尽管是“政治修辞的理想结构”，我们发现政治话语理论在很大程度上描述了Reddit上的政治讨论。第二，我们发现，在子论坛中的讨论，只有赞成票，或赞成票和反对票都与用户话语，是更深思熟虑和公民。第三，社交媒体上的讨论在没有任何反应机制的subreddits中最具煽动性。这些发现为正在进行的关于社交媒体界面设计与用户之间相互尊重的政治讨论之间关系的政策讨论提供了宝贵的贡献。
2023-02-19 cs.CL cs.CY cs.SI
Identifying Fine-grained Forms of Populism in Political Discourse: A Case Study on Donald Trump's Presidential Campaigns
本文构建民粹主义话语数据集，评估多类语言模型与提示范式，发现微调RoBERTa表现最佳，并用于分析特朗普演讲及欧洲政治语料的跨域迁移。
2025-07-25 cs.CL
Narrative Media Framing in Political Discourse
School of Computing and Information Systems, The University of Melbourne（计算与信息系统学院，墨尔本大学）
本文提出一个形式化叙事框架的框架，标注气候变化新闻数据集并测试LLMs预测能力，还在COVID-19领域验证了方法的可推广性。
2025-05-31 cs.CL
A Resource for Enthymeme Detection in Controversial Political Discourse
Centre for Language Studies, Radboud University Nijmegen（奈梅亨大学语言研究中心）
提出一个标注了省略推理及其结构的推文资源，基于Walton论证方案设计指南，通过复杂性分析揭示标注不一致来源，实验表明利用标注者分歧训练的模型优于多数投票标签。
2026-09-10 cs.CL
Toeing the Party Line: Election Manifestos as a Key to Understand Political Discourse on Twitter
GESIS；Heinrich-Heine University Düsseldorf（杜塞尔多夫海因里希·海涅大学）；Bocconi University（博科尼大学）；University of Stuttgart（斯图加特大学）
本文提出利用话题标签微调文本表示，将基于宣言的政党位置相似性预测方法扩展到 Twitter 场景，无需人工标注即可在低资源和噪声环境下稳定分析政治行动者的相对定位。
2024-10-21 cs.CL
The "Right" Discourse on Migration: Analysing Migration-Related Tweets in Right and Far-Right Political Movements
University of La Rochelle（拉罗谢尔大学）；Jožef Stefan International Postgraduate School（约瑟夫·斯特凡国际研究生院）；The Peace Institute（和平研究所）；University of Ljubljana（卢布尔雅那大学）；Jožef Stefan Institute（约瑟夫·斯特凡研究所）
本文提出结合自然语言处理与社会学的方法，分析英法极右翼推文语料，揭示移民话语、仇恨言论及劝说模式，以理解右翼极端主义在社交媒体的传播与影响。
2025-10-24 cs.CL
When Words Divide: Diachronic Ideological Polarization in Political Discourse on Social Media
The Academic College of Tel-Aviv Yaffo（特拉维夫-雅法学术学院）
该研究通过构建时间对齐的Reddit社群特定词嵌入，量化政治概念的语义差异以分析意识形态极化，发现研究期间极化大幅加剧，其方法可捕捉语义框架中意识形态差异的演变。
2026-08-04 cs.CL cs.SI
Measuring Algorithmic Partisanship via Zero-Shot Classification and Its Implications on Political Discourse
Troy High School（特洛伊高中）
本研究采用零样本分类方法，结合意识形态、主题、情感和客观性指标评估了六个主流LLM的政治党派偏见，发现其自由-威权倾向被放大并影响公共话语。
2025-11-02 cs.AI cs.CL
BTPD: A Multilingual Hand-curated Dataset of Bengali Transnational Political Discourse Across Online Communities
University of Toronto（多伦多大学）
针对孟加拉语政治话语研究缺乏数据集的问题，本文构建并介绍了来自三个在线平台的多语言BTPD人工精选数据集，并说明其检索流程、主题与内容特征。
2025-06-07 cs.CL cs.CY cs.HC
Passing the Turing Test in Political Discourse: Fine-Tuning LLMs to Mimic Polarized Social Media Comments
本研究使用Reddit政治讨论数据集微调开源大语言模型，发现经党派数据训练的模型可生成难辨真假的极化政治评论，由此提出相关伦理问题及治理、监管、检测工具开发的应对方向。
2025-06-17 cs.CL cs.CY
Analyzing Biases in Political Dialogue: Tagging U.S. Presidential Debates with an Extended DAMSL Framework
International Institute of Information Technology（国际信息研究所）
本文提出BEADS框架扩展DAMSL，标注2024年美国总统辩论，发现特朗普在对抗性修辞、恐惧诉求等类别中持续主导，确立可扩展的批判性话语分析工具。
2025-05-27 cs.CL
Exploration of COVID-19 Discourse on Twitter: American Politician Edition
New York University（纽约大学）
通过分析美国两党政治人物的疫情推文，揭示民主党侧重伤亡与医疗建议、共和党侧重政治责任与信息更新，并提出基于COVID-19术语和多种分类算法的推文政治立场预测方法。
2025-05-08 cs.CL
Measuring Offensive Speech in Online Political Discourse
University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校）
互联网和Reddit等在线论坛已成为公民参与政治对话的越来越受欢迎的媒介。然而，使用匿名身份的能力所产生的在线去抑制效应可能会以攻击性言论的形式表现出来，从而使政治讨论比现在更具有攻击性和两极分化。这种环境可能会导致目标受到骚扰和自我审查。在本文中，我们提出了一个大规模的时间测量，旨在量化在线政治讨论的进攻性的初步结果。为了使我们的测量，我们开发和评估一个进攻性的语音分类。然后，我们使用这个分类器来量化和比较在政治和一般情况下的攻击性。我们使用一个数据库进行研究，该数据库包含2015年1月至2017年1月期间超过700万名用户在Reddit上发表的超过1.68亿条评论，这一时期涵盖了包括2016年美国总统大选在内的几个分裂性政治事件。
2017-07-19 cs.CL cs.CY cs.SI
Exploiting contextual information to improve stance detection in informal political discourse with LLMs
Khoury College of Computer Sciences Northeastern University（科里学院计算机科学系东北大学）
本研究通过引入用户资料上下文信息，利用LLMs提升非正式政治讨论中立场检测的准确性，实验表明上下文提示可使准确率提升17.5%-38.5%。
2026-02-04 cs.AI cs.CL
Words are Malleable: Computing Semantic Shifts in Political and Media Discourse
University of Amsterdam（阿姆斯特丹大学）
近年来，研究者开始关注词义时间变化的检测。然而，大多数（如果不是全部）这些方法限制了他们的努力，揭示随着时间的推移变化，从而忽视了其他有价值的方面，如社会或政治的变化。我们提出了一种方法来检测不同观点之间的语义转变-广义上定义为一组文本，共享一个特定的元数据功能，这可以是一个时间段，但也是一个社会实体，如政党。对于每个视点，我们学习一个语义空间，其中每个词都表示为一个低维神经嵌入向量。挑战在于将一个词在一个空间中的含义与其在另一个空间中的含义进行比较，并测量语义变化的大小。我们比较了两个空间之间的最佳变换的基础上的措施的有效性与一个措施的基础上，在各自的空间中的单词的邻居的相似性。我们的实验表明，这两者的组合表现最好。我们发现，语义的变化不仅发生随着时间的推移，但也沿着不同的观点在短时间内。对于评估，我们展示了这种方法如何捕捉有意义的语义转变，并可以帮助改善其他任务，如对比观点总结和意识形态检测（分类精度）在政治文本。我们还表明，这两个法律的语义变化的经验表明，持有时间的转变也持有跨观点的转变。这些定律表明，频繁出现的单词不太可能改变含义，而具有许多含义的单词更有可能这样做。
2017-11-15 cs.CL
Discourse Structures Guided Fine-grained Propaganda Identification
Texas A&M University（德克萨斯A&M大学）
本文提出利用局部和全局语篇结构辅助细粒度宣传识别，通过两个教师模型分别建模句子间语篇关系和句子语篇角色，并以特征融合或知识蒸馏方式融入，在基准数据集上显著提升了宣传内容识别的精确率和召回率。
2023-10-28 cs.CL
The Algorithmic Caricature: Auditing LLM-Generated Political Discourse Across Crisis Events
New York University (NYUAD), Division of Science, Computer Science Department（纽约大学（NYUAD），科学学院，计算机科学系）
本文通过对比真实与生成的政治言论，发现生成内容在情感强度、结构规律性和词汇框架上不如真实言论真实，提出了'漫画差距'作为评估生成内容社会真实性的指标。
2026-05-12 cs.AI cs.CL cs.CY
Online Anti-sexist Speech: Identifying Resistance to Gender Bias in Political Discourse
University of Exeter（埃克塞特大学）；University of Birmingham（伯明翰大学）；The Alan Turing Institute（艾伦·图灵研究所）
本文通过评估五个大语言模型对英国政治推文的分类表现，揭示模型在政治敏感事件中常将反性别歧视言论误判为有害内容，并提出超越二元审核框架、引入人在回路审查及将反制言论纳入训练数据等改进方案。
2025-08-15 cs.CL cs.CY
BanglaRhet: Benchmarking Classical and Transformer Models for Rhetorical and Persuasion Detection in Bangla Political Speech
North East University Bangladesh（孟加拉国东北大学）
本文构建BanglaRhet语料库（30,289个孟加拉语政治演讲片段），基准评测四种Transformer模型，发现BanglaBERT在修辞与说服检测中宏F1分别达65.40%和66.46%，优于经典基线，为孟加拉语政治话语分析提供基准。
2026-10-08 cs.CL
Between welcome culture and border fence. A dataset on the European refugee crisis in German newspaper reports
University of Bremen（不来梅大学）；University of Stuttgart（斯图加特大学）
报纸报道提供了关于特定政策领域公开辩论的丰富信息来源，可以作为政治学研究的基础。这类辩论往往是由引起公众注意并激起政治行为者反应的关键事件引发的：危机引发辩论。然而，由于可靠的注释和建模的挑战，具有高质量注释的大规模数据集很少。本文介绍了DebateNet2.0，它追溯了2015年德国质量报纸taz上关于欧洲难民危机的政治话语。我们的注释的核心单位是政治主张（要求在政策领域内采取具体行动）和提出这些主张的行动者（政治家、政党等）。本文的贡献是双重的。首先，我们记录并发布DebateNet2.0及其配套的R软件包martyR，引导读者了解与报纸政策辩论注释相关的实际和概念问题。其次，我们概述并应用话语网络分析（DNA）DebateNet2.0，比较两个关键时刻的政策辩论的“难民危机”：移民流量通过地中海在4月/5月和一个沿巴尔干路线在9月/10月。除了发布的资源和案例研究，我们的贡献也是方法论的：我们通过从报纸文章到话语网络的步骤与读者交谈，证明德国移民辩论不仅仅是一个话语网络，而是多个话语网络，这取决于感兴趣的主题（政治演员，政策领域，时间跨度）。
2021-11-19 cs.CL
"We Demand Justice!": Towards Social Context Grounding of Political Texts
Purdue University（普渡大学）
本文针对政治文本中看似相似但立场相反的语言，提出社会语境 grounding 任务及两个数据集，并基于 RoBERTa、GPT-3 和结构化模型进行基准评测与分析。
2024-10-18 cs.CL
Asking Too Much? The Rhetorical Role of Questions in Political Discourse
Cornell University（康奈尔大学）；New York University（纽约大学）
疑问句在社会交往中扮演着重要的角色，其修辞功能远远超出了简单的信息交换。问题的表面形式可以表明提问者的意图和背景，以及他们与对话者关系的性质。虽然问题的信息性质已经在问答应用的背景下得到了广泛的研究，但它们的修辞方面却在很大程度上没有得到充分的研究。在这项工作中，我们介绍了一种无监督的方法来提取表面图案，反复出现的问题，并根据其潜在的修辞作用进行分组。通过将这个框架应用于英国议会的提问环节，我们发现，由此产生的类型学编码的政治话语的关键方面-如政府和反对党之间的分歧在质疑行为-并揭示了新的见解立法者的任期和政治生涯的野心的影响。
2017-08-07 cs.AI cs.CL cs.CY
Shaping Political Discourse using multi-source News Summarization
Stanford University（斯坦福大学）
本文提出一种无偏的多文档新闻摘要机器学习模型，通过等量采样主题各维度，生成公正摘要，用于塑造政治话语。
2023-12-18 cs.CL cs.CY cs.IR
Modeling Framing in Immigration Discourse on Social Media
University of Michigan（密歇根大学）
政治问题的框架可以影响政策和公众舆论。尽管公众在创造和传播框架方面发挥着关键作用，但人们对社交媒体上的普通人如何构建政治问题知之甚少。通过创建一个新的移民相关推文数据集，标记为政治传播理论的多种框架类型，我们开发了监督模型来检测框架。我们展示了用户的意识形态和区域如何影响框架的选择，以及如何影响受众的反应。我们发现，更常用的问题通用框架掩盖了重要的意识形态和区域模式，只有移民特定的框架显示。此外，面向人类兴趣，文化和政治的框架与更高的用户参与度相关。这种对复杂的社会和语言现象的大规模分析有助于NLP和社会科学研究。
2021-04-13 cs.CL cs.CY
Detecting Multidimensional Political Incivility on Social Media
University of Haifa（海法大学）
本研究利用多维政治不文明视角，基于13K标注推文实现先进检测，发现不文明行为呈偏斜分布，并提出融合作者社会背景信息的建模方法以提升检测性能。
2023-11-14 cs.CL
ArPoMeme: An Annotated Arabic Multimodal Dataset for Political Ideology and Polarization
Northwestern University in Qatar（卡塔尔西北大学）；Independent Researcher（独立研究员）；Hamad Bin Khalifa University（哈马德·本·卡伊夫大学）；University of Tübingen（图宾根大学）
本文提出ArPoMeme数据集，用于分析阿拉伯政治漫画的多模态和意识形态维度，通过自定义工具实现大规模标注，揭示意识形态极化特征。
2026-05-20 cs.CL
Epistemic orientation in parliamentary discourse is associated with deliberative democracy
Department of Politics and Public Administration, University of Konstanz（康斯坦茨大学政治与公共行政系）；School of Psychological Science, University of Bristol（布里斯托大学心理学科学学院）；Complexity Science Hub（复杂性科学中心）；Department of Psychology, University of Potsdam（波茨坦大学心理学系）
研究通过EMI评分分析议会话语中的认知倾向，发现其与democratic deliberation和治理质量正相关，揭示政治话语的认知特性对民主和治理的重要性。
2026-04-28 cs.CL cs.CY
FASCIST-O-METER: Classifier for Neo-fascist Discourse Online
Universtät Hamburg（汉堡大学）
本研究提出美国语境下首个新法西斯数字话语编码方案，基于Iron March、Stormfront.org论坛的千条标注帖子微调SLMs与LLMs，构建首批新法西斯话语分类模型，为打击在线新法西斯言论提供技术支撑。
2025-06-12 cs.CL cs.CY
When People are Floods: Analyzing Dehumanizing Metaphors in Immigration Discourse with Large Language Models
University of Maryland（马里兰大学）；University of Michigan（密歇根大学）
本文利用大型语言模型分析移民话语中的去人性化隐喻，探讨隐喻、政治意识形态与用户参与之间的关系。
2025-07-18 cs.CL cs.CY
Towards Hybrid Intelligence in Journalism: Findings and Lessons Learnt from a Collaborative Analysis of Greek Political Rhetoric by ChatGPT and Humans
incubator for Media Education and Development (iMEdD)（媒体教育与发展孵化器（iMEdD））；School of Political Sciences, Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学政治科学学院）；School of Informatics, Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学信息学院）
本文介绍希腊2023年大选背景下ChatGPT与跨学科团队协作分析政治演讲的项目，评估LLM在情感分析、极化、民粹主义等任务中的表现，强调人类监督在新闻业混合智能中的关键作用。
2024-10-17 cs.CL cs.CY
Uncovering Political Hate Speech During Indian Election Campaign: A New Low-Resource Dataset and Baselines
Jamia Millia Islamia（贾米亚·米利亚·伊斯兰亚大学）；Virginia Tech（弗吉尼亚理工大学）；Delhi Technological University（德里理工大学）；The University of Sydney（悉尼大学）；University of New South Wales（新南威尔士大学）
针对低资源语言政治话语中的仇恨言论检测难题，本文构建了包含11,457条印地语推文的新数据集 IEHate，并通过多种算法进行基准测试，强调了结合人工与自动化方法进行仇恨言论审核的重要性。
2023-06-27 cs.CL
Detecting Synthetic Political Narratives in Cross-Platform Social Media Discourse
Institute of Computer Science, Foundation for Research and Technology（计算机科学研究所，希腊研究与技术基金会）；Technical University of Crete（希腊克里特技术大学）
本文提出了一种跨平台框架，通过四个协调信号（词汇多样性、时间爆发性、修辞重复和语义同质性）组合成合成叙述协调评分SNC(C)，以检测合成政治叙述，研究发现IntelSlava在四个事件窗口中排名第一，而Rybar尽管语义同质性高但因语言差异导致表现不佳。
2026-05-20 cs.AI cs.CL cs.CY
"Amazing, They All Lean Left" -- Analyzing the Political Temperaments of Current LLMs
New York University（纽约大学）；DropBox（多宝箱）
该研究通过多维度方法分析七款主流大语言模型的政治倾向，发现其普遍存在自由主义倾斜，归因于训练语料、RLHF等四方面因素，指出该倾向是训练涌现属性，或为集体推理研究提供新视角。
2025-07-08 cs.CL cs.CY
Extracting narrative signals from public discourse: a network-based approach
Max Planck Institute for Mathematics in the Sciences（马克斯·普朗克数学科学研究所）；Laboratoire Lattice, École Normale Supérieure - PSL - CNRS - Univ. Sorbonne Nouvelle（格勒诺布尔大学拉提实验室）；médialab, Sciences Po（社会科学高等学院媒体实验室）；Brussels School of Governance, Vrije Universiteit Brussel（布鲁塞尔治理学校，自由大学布鲁塞尔）；imec-SMIT, Vrije Universiteit Brussel（imec-SMIT，自由大学布鲁塞尔）
本文提出一种基于抽象意义表示（AMR）的图方法与启发式过滤规则，从政治文本中提取行动者、事件和视角化等叙事信号并构建网络，结合远读与细读重建潜在政治叙事，并以2010—2023年欧盟国情咨文为例验证其有效性。
2025-11-07 cs.CL cs.CY cs.IR
Social and Political Framing in Search Engine Results
University of Notre Dame（圣母大学）
本文通过政治与社会主题数据集分析主流搜索引擎输出，揭示搜索引擎内容优先级和意识形态驱动查询共同放大特定叙事、加剧信息极化，且不同引擎来源偏好差异显著。
2025-07-17 cs.CL
Validating Political Position Predictions of Arguments
University of Liverpool（利物浦大学）；The Alan Turing Institute（艾伦·图灵研究所）；University of Leeds（利兹大学）
本文提出双尺度验证框架，通过点评和成对验证方法验证论证中政治立场预测的准确性，构建了大规模政治立场知识库，提升了政治领域知识表示能力。
2026-02-20 cs.AI cs.CL
A Multi-Labeled Dataset for Indonesian Discourse: Examining Toxicity, Polarization, and Demographics Information
Monash University Indonesia（莫纳什大学印度尼西亚分校）；Boston University（波士顿大学）；MBZUAI（穆罕默德·本·扎耶德人工智能大学）
针对印尼话语中毒性与政治极化关系的研究空白，本文构建了包含毒性、极化及标注者人口统计信息的多标签数据集，并通过BERT-base和LLMs基准测试证明极化与毒性信息可相互增强分类性能，且人口统计信息能显著提升极化分类效果。
2025-03-01 cs.CL
Sí o no, què penses? Catalonian Independence and Linguistic Identity on Social Media
Georgia Institute of Technology（佐治亚理工学院）
政治认同往往表现在语言变异中，但从数量角度对两者之间的关系进行探讨还相对较少。这项研究考察了加泰罗尼亚语的使用情况，加泰罗尼亚语是西班牙加泰罗尼亚半自治区的一种语言，在Twitter上与2017年独立公投有关的话语中。我们证实了先前的研究结果，即支持独立的推文比反对独立的推文更有可能包含当地语言。我们还发现，加泰罗尼亚语是更经常使用的公民投票相关的话语比在其他情况下，相反，以前的研究结果的语言变化。这表明加泰罗尼亚语在表达加泰罗尼亚政治认同方面发挥着重要作用。
2018-04-13 cs.CL cs.SI
Unifying Models of Intergroup Hostility in Online Discourse
Information Sciences Institute, University of Southern California（南加州大学信息科学研究所）；University of Maryland（马里兰大学）
本研究利用2024年大选期间286万条社交媒体帖子，统一建模六种群体间敌意理论，发现边界建构与威胁建构为核心，机制按规律顺序出现，为计算社会科学提供实证基础。
2026-09-18 cs.CL cs.SI
A Multi-Dimensional Audit of Politically Aligned Large Language Models
Brown University（布朗大学）；University of Michigan（密歇根大学）；Ross School of Business（罗斯商学院）
本文提出基于哈贝马斯沟通行动理论的多维框架，评估政治倾向语言模型在有效性、公平性、真实性及说服力四方面的表现，揭示大模型在政治角色扮演中更有效但更偏颇的权衡问题。
2026-04-27 cs.CL
Women, politics and Twitter: Using machine learning to change the discourse
ParityYEG；University of Alberta（阿尔伯塔大学）；Dev Edmonton Society（埃德蒙顿发展协会）；University of Toronto（多伦多大学）
在政治决策中纳入不同的声音加强了我们的民主体制。在加拿大政治制度中，各级民选政府都存在性别不平等。针对参与政治的妇女的网上虐待，如仇恨推文，助长了这种不平等，特别是关注其性别的推文。在本文中，我们介绍了ParityBOT：一个Twitter机器人，它通过发送有关有影响力的女性领导人和有关女性在公共生活中的事实的支持性推文，来对抗针对女性的滥用推文。ParityBOT是第一个基于人工智能的干预措施，旨在更好地影响女性在政治中的在线话语。该项目的目标是：（$1$）提高人们对政治中性别不平等问题的认识，（$2$）积极影响政治中的公共话语。本文的主要贡献是一个可扩展的模型来分类和应对仇恨推文的定量和定性评估。ParityBOT滥用分类系统在公共在线骚扰数据集上进行了验证。我们的结论与ParityBOT的影响分析，从干预期间收集的数据在$2019$艾伯塔省和$2019$加拿大联邦选举。
2019-11-25 cs.CL cs.LG cs.SI
Evolution of wartime discourse on Telegram: A comparative study of Ukrainian and Russian policymakers' communication before and after Russia's full-scale invasion of Ukraine
University of Bern（伯尔尼大学）；University of Vienna（维也纳大学）
本研究利用2019-2024年Telegram数据，比较俄乌政策制定者战时沟通，发现入侵后活动激增，乌克兰聚焦战争话题而俄罗斯回避并转移注意力，揭示不同政党及个体的策略差异。
2025-10-11 cs.CL cs.CY cs.SI
Narratives and Needs: Analyzing Experiences of Cyclone Amphan Using Twitter Discourse
Booz Allen Hamilton（博思艾伦咨询公司）；International Water Management Institute（国际水管理研究院）；NOVA Information Management School (NOVA IMS)（NOVA信息管理学院）；New York University Abu Dhabi（纽约大学阿布扎比分校）
人们经常转向社交媒体来评论和分享有关重大全球事件的信息。因此，社交媒体作为了解人们对极端天气事件的社会、政治和经济经历的丰富数据源正受到越来越多的关注。在本文中，我们提供了两种新颖的方法，利用Twitter话语来描述叙述并确定未满足的需求，以应对2020年5月影响1800万人的安凡飓风。
2020-09-11 cs.CL cs.CY cs.SI
