在播客叙事中聆听细微之声：利用语言模型解码

播客已成为塑造公众舆论的核心场域，成为理解当代话语的关键来源。其通常不成文、多主题、对话式的叙事风格提供了丰富但复杂的数据形式。为了分析播客如何说服和信息传递，我们必须考察其叙事结构——具体而言是它们所运用的叙事框架。播客流畅且对话式的特性为自动化分析带来了重大挑战。我们表明，现有的大型语言模型（通常在更结构化的文本如新闻文章上训练）难以捕捉人类听者依赖的细微线索，从而在规模化分析播客叙事时效果不佳。为解决此问题，我们开发并评估了一个精调BERT模型，显式地将叙事框架链接到对话中提及的具体实体，从而将抽象框架锚定在具体细节上。我们的 approach 然后利用这些细粒度框架标签并与高层次话题相关联，以揭示更广泛的话语趋势。本文的主要贡献包括：(i)一种更贴近人类判断的混合式数据框架标注方法，以及(ii)一种揭示讨论内容（话题）与呈现方式（框架）之间系统关系的新分析，为研究数字媒体中的影响力提供了更稳健的框架。