一个用于分析中文媒体新闻框架的数据集
A Dataset for Analysing News Framing in Chinese Media
AI总结：
本文构建首个 Chinese News Framing 数据集，并通过 XLM-RoBERTa-Base 微调和 GPT-4o 零样本实验建立中文新闻框架检测基准。
摘要：
框架是新闻报道中的一种重要手段，使作者能够影响公众对时事的看法。尽管已有多种语言的自动新闻框架检测数据集，但没有一个数据集聚焦于中文新闻框架，而中文具有复杂的字义和独特的语言特征。本研究介绍了首个 Chinese News Framing 数据集，它既可以作为独立数据集使用，也可以作为 SemEval-2023 task 3 数据集的补充资源。我们详细说明了该数据集的构建过程，并开展了基线实验，以强调对此类数据集的需求并为未来研究建立基准；实验结果通过微调 XLM-RoBERTa-Base 以及在零样本设置下使用 GPT-4o 获得。我们发现，在所有语言上，GPT-4o 的表现都显著差于经过微调的 XLM-RoBERTa。对于中文，仅使用 Chinese News Framing 数据集中的样本时，我们获得了 0.719 的 F1-micro 分数（SemEval task 3 子任务 2 的性能指标）；当我们用中文新闻框架样本增强 SemEval 数据集时，分数为 0.753。凭借良好的新闻框架检测结果，该数据集是检测中文新闻框架的宝贵资源，也是对 SemEval-2023 task 3 数据集的有价值补充。
英文摘要：
Framing is an essential device in news reporting, allowing the writer to influence public perceptions of current affairs. While there are existing automatic news framing detection datasets in various languages, none of them focus on news framing in the Chinese language which has complex character meanings and unique linguistic features. This study introduces the first Chinese News Framing dataset, to be used as either a stand-alone dataset or a supplementary resource to the SemEval-2023 task 3 dataset. We detail its creation and we run baseline experiments to highlight the need for such a dataset and create benchmarks for future research, providing results obtained through fine-tuning XLM-RoBERTa-Base and using GPT-4o in the zero-shot setting. We find that GPT-4o performs significantly worse than fine-tuned XLM-RoBERTa across all languages. For the Chinese language, we obtain an F1-micro (the performance metric for SemEval task 3, subtask 2) score of 0.719 using only samples from our Chinese News Framing dataset and a score of 0.753 when we augment the SemEval dataset with Chinese news framing samples. With positive news frame detection results, this dataset is a valuable resource for detecting news frames in the Chinese language and is a valuable supplement to the SemEval-2023 task 3 dataset.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
