面向多语言新闻议题分析的规模化研究

媒体议题化是研究策略性地选择和呈现特定政治问题方面以塚造公众舆论的行为。尽管其 relevance to 全球绝大多数社会，但研究因缺乏可用数据集和其他资源而受限。本研究探索了通过众包开发训练语料库的可能性，利用非专业标注者来创建训练语料。我们首先通过自动翻译将议题分析扩展到多语言语境（12 种类型多样的语言），并在孟加拉语和葡萄牙语上推出针对移民和同性婚姻领域的新型基准数据集。此外，我们展示了结合我们众包数据集与其他现有数据集训练的系统，相较于基线提升了 5.32 个百分点，表明众包是一种可行的选择。最后，我们研究了大型语言模型（LLM）在此任务中的表现，发现任务特定的微调优于使用更大且非专业化模型。