从文本到上下文：一种用于新闻利益相关者分类的蕴含方法

探索新闻文章的复杂图景需要理解其中涉及的各种参与者或实体，即新闻利益相关者。这些利益相关者，从决策者到反对派人物、公民等，在塑造新闻叙事中发挥着关键作用。识别他们的利益相关者类型（反映其角色、政治立场、社会地位等）对于细致理解新闻内容至关重要。尽管现有工作侧重于通过社交媒体数据进行显著实体提取、覆盖范围变化和政治归属分析，但新闻内容中利益相关者角色的自动检测仍是一个未被充分探索的领域。在本文中，我们通过引入一种有效的方法来对新闻文章中的利益相关者类型进行分类，从而弥合了这一差距。我们的方法涉及将利益相关者分类问题转化为自然语言推理任务，利用新闻文章中的上下文信息和外部知识来提高利益相关者类型检测的准确性。此外，我们提出的模型在零样本设置中展现出有效性，进一步扩展了其对各种新闻上下文的适用性。