CAPC-CG:一个大规模、专家指导的 LLM 标注中国适应性政策传播语料库
计算与语言
2026-05-20 v3 计算工程、金融与科学
计算机与社会
摘要
我们推出 CAPC-CG,即中国适应性政策传播(中央政府)语料库,这是首个基于 Ang 的适应性政策传播理论、以五色分类法对清晰与模糊语言类别进行标注的中国政策指令开放数据集。该语料库时间跨度为 1949–2023 年,涵盖由中国最高权力机关颁布的国家法律、行政法规和部门规章。每份文档被切分为段落,共计 330 万个单元。除语料库外,我们还发布了全面的元数据、两轮标注框架,以及由专家和经过培训的编码员构建的金标准标注集。标注员间一致性在指令标签上达到了 Fleiss's kappa K = 0.86,表明用于监督建模的高可靠性。我们提供了基于多个大语言模型(LLMs)的基线分类结果,以及我们的标注手册,并描述了数据集中的模式。此次发布旨在支持政策传播领域的下游任务与多语言 NLP 研究。
引用
@article{arxiv.2510.08986,
title = {CAPC-CG: A Large-Scale, Expert-Directed LLM-Annotated Corpus of Adaptive Policy Communication in China},
author = {Bolun Sun and Charles Chang and Yuen Yuen Ang and Ruotong Mu and Yuchen Xu and Zhengxin Zhang and Pingxu Hao},
journal= {arXiv preprint arXiv:2510.08986},
year = {2026}
}
备注
Accepted for publication in the Proceedings of ACL Main 2026