基于 LLM 的操纵性政治叙事检测
计算与语言
2026-05-18 v2
摘要
我们提出了一个新的计算框架，用于检测和结构化操纵性政治叙事。随着政治讨论向社交媒体转移，这项任务变得更加重要。其中的一个主要挑战是区分操纵性政治叙事与合法批评。一些帖子也可能在操纵性语境下重构真实事件。为了获得良好的聚类结果，我们事先使用详细的少样本提示词过滤操纵性帖子，该提示词将记录在案的竞选叙事与合法批评相结合以进行区分。该提示词使推理模型能够分配标签，仅保留操纵性叙事帖子以供进一步处理。随后，使用 UMAP 对剩余帖子进行嵌入和降维，然后应用 HDBSCAN 揭示叙事群组。这种无监督方法的一个关键优势是独立于预定义的目标类别列表，使其能够发现新的叙事聚类。最后，采用推理模型揭示每个聚类背后的叙事。该方法应用于超过 120 万条社交媒体帖子，通过将基于提示词的过滤与无监督聚类相结合，有效识别出 41 个不同的操纵性叙事聚类。
引用
@article{arxiv.2605.14354,
title = {LLM-based Detection of Manipulative Political Narratives},
author = {Sinclair Schneider and Florian Steuber and Gabi Dreo Rodosek},
journal= {arXiv preprint arXiv:2605.14354},
year = {2026}
}
备注
This paper has been submitted to the upcoming 18th International Conference on Advances in Social Networks Analysis and Mining (ASONAM 2026)