通过持久结构检测叙事偏移：媒体话语的拓扑分析
社会与信息网络
2025-06-19 v1 计算与语言
物理与社会
摘要
我们如何检测全球事件如何根本性地重塑公共话语？本研究引入了基于持久同调的框架，用于识别媒体叙事中结构性变化。该研究以俄乌战争(2022年2月)、乔治·弗洛ed事件(2020年5月)、美国国会叛乱(2021年1月)以及以色列哈马入侵(2023年10月)等重大事件期间的国际新闻文章为数据源，构建每日名词短语共现图，以追踪话语的演变。每个图都嵌入并通过韦伊特拉斯-里普斯滤化转换为持久图。随后计算韦尔斯坦距离和持久熵，以捕捉语义扰动和叙事波动性随时间的变化。我们的结果显示，重大地缘政治和社会事件与H0(连通分量)和H1(环)中的显著峰值相吻合，表明叙事结构和连贯性出现突变。交叉相关分析揭示了组件级结构(H0)变化通常在更高阶图案变化(H1)之前出现的模式，表明语义变化呈自下而上的级联。俄乌战争期间H1熵领先H0，可能反映了自上而下的叙事框架在当地话语调整之前起作用。持久熵进一步区分了高度聚焦与分散的叙事体制。这些发现表明，持久同调提供了一种在不需特定事件先验知识的情况下，检测公共注意力转折点和方向性偏移的、数学上严谨的无监督方法。这种拓扑方法推动了计算社会科学，通过实现危机、抗议和信息冲击期间语义重构的实时检测，为理解媒体叙事的演化提供了新视角。
引用
@article{arxiv.2506.14836,
title = {Detecting Narrative Shifts through Persistent Structures: A Topological Analysis of Media Discourse},
author = {Mark M. Bailey and Mark I. Heiligman},
journal= {arXiv preprint arXiv:2506.14836},
year = {2025}
}
备注
23 pages