用于 COVID-19 期间报纸情感分析的大语言模型：以《卫报》为例
计算与语言
2025-04-29 v2 社会与信息网络
摘要
在 COVID-19 大流行期间，新闻报道涵盖了广泛的主题，包括病毒传播、医疗资源分配以及政府应对措施。已有研究针对 COVID-19 期间社交媒体平台进行情感分析，以了解在病例增加和政府实施控制病毒传播策略时的公众反应。情感分析能够更好地帮助理解疫情期间社会舆论和情感趋势的变化。除社交媒体外，报纸在信息传播中也发挥了至关重要的作用，包括传播来自政府、专家以及公众关于各类主题的信息。对部分国家 COVID-19 期间报纸来源的情感分析进行研究，可以概述媒体如何报道此次大流行。在本研究中，我们选择《卫报》并对 COVID-19 各个阶段（包括初期传播、封锁和疫苗接种）进行情感分析。我们采用新颖的大语言模型（LLM），并利用专家标注的情感分析数据进行优化。我们还提供了疫情前情感体验的分析以作比较。结果表明，在疫情早期阶段，公众情绪优先关注紧急危机应对，随后转向关注对健康和经济的影响。与社交媒体情感分析的相关研究相比，我们发现《卫报》存在差异，其以负面情绪（悲伤、恼怒、焦虑和否认）为主，这表明社交媒体提供了更多样化的情感反映。我们发现《卫报》呈现出一种严峻的叙事基调，在疫情前和疫情期间，包括澳大利亚、英国、世界新闻和评论在内的新闻版面中，负面情绪均总体占据主导地位。
引用
@article{arxiv.2405.13056,
title = {Large language models for newspaper sentiment analysis during COVID-19: The Guardian},
author = {Rohitash Chandra and Baicheng Zhu and Qingying Fang and Eka Shinjikashvili},
journal= {arXiv preprint arXiv:2405.13056},
year = {2025}
}