偏见新闻文章中的细粒度叙事分类
计算与语言
2025-12-04 v1 人工智能
摘要
叙事是宣传的认知和情感支架。它们将孤立的劝说技巧组织成连贯的故事，为行动辩护、归咎责任，并唤起对意识形态阵营的认同。在本文中，我们提出了一种针对偏见新闻文章的细粒度叙事分类新方法。我们还探讨了文章偏见分类作为叙事分类和细粒度劝说技巧识别的前置任务。我们开发了 INDI-PROP，第一个具有意识形态基础的细粒度叙事数据集，用于分析印度新闻媒体中的宣传。我们的数据集 INDI-PROP 包含 1,266 篇文章，聚焦于两件近期的两极分化社会政治事件：《公民身份修正法案》（CAA）和农民抗议。每篇文章在三个层次上进行标注：（i）意识形态性文章偏见（亲政府、亲反对派、中立），（ii）基于意识形态极性和传播意图的事件特定细粒度叙事框架，以及（iii）劝说技巧。我们提出了 FANTA 和 TPTC，两个由 GPT-4o-mini 引导的多跳提示式推理框架，用于偏见、叙事和劝说技巧分类。FANTA 通过整合信息提取和语境框架进行层次化推理，利用多层传播现象。另一方面，TPTC 通过两阶段方法系统分解劝说线索。我们的评估表明，在每种情况下相较于底层基线均有显著提升。
引用
@article{arxiv.2512.03582,
title = {Fine-grained Narrative Classification in Biased News Articles},
author = {Zeba Afroz and Harsh Vardhan and Pawan Bhakuni and Aanchal Punia and Rajdeep Kumar and Md. Shad Akhtar},
journal= {arXiv preprint arXiv:2512.03582},
year = {2025}
}