建模叙事期望以理解参与度：基于LLM的生成式框架

理解消费者为何以及何时与叙事内容产生互动对于内容创作者和平台至关重要。虽然既有理论表明观众对内容未来走向的信念应在参与度决策中发挥重要作用，但实证研究主要聚焦于开发直接从实际内容中提取特征的技术，而非捕捉前瞻性信念，这由于缺乏原则性方法来建模非结构化叙事数据中的此类信念。为补充现有特征提取技术，本文引入一种新型框架，利用大型语言模型建模观众对故事未来走向的前瞻性信念。该方法为每个故事生成多个可能的延续版本，并提取与期望值、不确定性和惊讶感相关的特征。将该方法应用于超过30,000个书籍章节后，我们证明了该框架通过放大现有特征工程技术对平均解释力提升了31%。结果揭示，不同的参与度类型（继续阅读、评论、投票）由当前和预期内容特征的不同组合驱动。该框架为研究和探索观众前瞻性信念如何塑造其叙事媒体参与度提供了新方法，并对内容导向行业的营销策略具有启示意义。