主题网络的持久同调与读者好奇心预测

Manuel D. S. Hopp; Vincent Labatut; Arthur Amalvy; Richard Dufour; Hannah Stone; Hayley Jach; Kou Murayama

doi:10.18653/v1/2025.acl-long.1364

主题网络的持久同调与读者好奇心预测

计算与语言 2025-09-12 v2 人工智能

作者: Manuel D. S. Hopp , Vincent Labatut , Arthur Amalvy , Richard Dufour , Hannah Stone , Hayley Jach , Kou Murayama

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

读者好奇心——即寻求信息的动力——是文本参与度的关键因素,但在自然语言处理领域仍相对未被充分探讨.本文基于洛文斯坦的《信息差理论》,引入一种框架通过量化文本语义结构中的语义信息差来建模读者好奇心.我们的ethods方法借鉴BERTopic主题建模和持久同调技术,分析从文本片段派生的动态语义网络的演化拓扑(连通分支、环路、空洞),将这些特征用作信息差的代理指标.为评估该管道,我们收集了49名参与者阅读S. Collins《饥饿游戏》小说时的读者好奇感评分.随后将我们管道中的拓扑特征作为自变量用于预测这些评分,实验结果表明它们显著优于基线模型(73% vs. 30%解释方差),验证了我们的方法.该管道为分析文本结构及其与读者参与度的关系提供了一种新的计算方法.

关键词

持久同调主题网络读者好奇心信息差理论 BERTopic

引用

@article{arxiv.2506.11095,
  title  = {Persistent Homology of Topic Networks for the Prediction of Reader Curiosity},
  author = {Manuel D. S. Hopp and Vincent Labatut and Arthur Amalvy and Richard Dufour and Hannah Stone and Hayley Jach and Kou Murayama},
  journal= {arXiv preprint arXiv:2506.11095},
  year   = {2025}
}

备注

Original paper with an improved and extended appendix

主题网络的持久同调与读者好奇心预测

摘要

关键词

引用

备注

相关论文