构建 Vec-tionary 从文本中提取信息特征：以道德诉求为例

尽管研究人员经常研究文本中的信息特征（如道德内容），例如政党宣言和社交媒体，但其量化仍然是一个挑战。传统人工编码在可扩展性和编码者间信度方面存在问题。基于词典的方法成本效益高且计算效率高，但通常缺乏上下文敏感性，并受限于原始应用开发的词汇。本文提出了一种构建 vec-tionary 测量工具的方法，通过非线性优化将经过验证的词典与词嵌入相结合。通过利用嵌入编码的语义关系，vec-tionary 改进了从文本中测量信息特征的能力，特别是短格式文本，通过将原始词汇的适用性扩展到其他上下文。重要的是，vec-tionary 可以产生额外的度量来捕捉信息特征在文本中的效价和矛盾性，而不仅仅是强度。以推文中的道德内容为案例研究，我们展示了构建道德基础 vec-tionary 的步骤，展示了其处理传统词典和词嵌入方法遗漏的文本的能力，并产生与人群人工评估更一致的测量结果。此外，vec-tionary 的额外度量揭示了有助于预测消息转发等结果的新见解。