基于 LLM 的迭代主题分类 induction 研究——选举广告案例

社交媒体平台在塑造政治话语中扮演着关键角色，但对其庞大且快速变化的内容进行分析 remains 一个重大挑战。我们引入了一个从无标签文本语料库中自动诱导可解释主题分类的端到端框架。通过将无监督聚类与基于提示的推理相结合，该方法利用大语言模型（LLMs）在不依赖预定义标签或领域专业知识的情况下，迭代构建主题分类。我们通过对 2024 年美国总统大选前选举广告的研究来验证了该框架。所诱导的分类 yield 意义丰富的主题标签，并支持下游分析，包括在该情境下的道德框架分析。结果表明，结构化的迭代标记法在人类评估下比现有方法更一致、更可解释，并且实用于分析大规模政治广告数据。