模型的碰撞：基于BERT变体的通用新闻框架检测性能比较
计算与语言
2026-03-30 v1 计算机与社会
摘要
框架理论仍然是政治传播中应用最广泛的理论之一。随着计算技术的发展，特别是Transformer架构的引入，以及更大规模语言模型（LLMs）的出现，学者们自然开始探索各种新颖的计算方法，尤其是用于演绎性框架检测。在许多研究表明不同的Transformer模型优于使用词袋特征的前代模型的同时，关于这些模型在分类任务上如何相互比较的讨论仍在继续。本研究正处于此交汇点，做出了三项关键贡献：第一，对比性地进行通用新闻框架检测，比较了五种基于BERT的变体（BERT、RoBERTa、DeBERTa、DistilBERT和ALBERT）的性能，为计算文本分析在政治传播研究中的最佳实践讨论做出贡献；第二，引入多种经过微调的模型，能够稳健地执行通用新闻框架检测；第三，在众多基于美国中心数据的研究基础上，本研究为学术界提供了一个基于瑞士选举语境标注的通用新闻框架数据集，有助于检验这些计算框架分析方法的语境鲁棒性。
引用
@article{arxiv.2603.26156,
title = {Clash of the models: Comparing performance of BERT-based variants for generic news frame detection},
author = {Vihang Jumle},
journal= {arXiv preprint arXiv:2603.26156},
year = {2026}
}