社会故事框架：关于叙事意图与读者反应的语境推理

阅读故事会唤起丰富的解释性、情感性和评价性反应，例如对叙事意图的推断或对人物的评判。然而，计算模型对读者反应的建模仍然有限，阻碍了精细化的分析。为填补这一空白，我们提出了SocialStoryFrames，一种用于提炼关于读者反应的合理推断的形式化框架，例如感知到的作者意图、解释性与预测性推理、情感反应和价值判断，其利用对话语境并基于叙事理论、语言语用学和心理学的分类体系。我们开发了两种模型——SSF-Generator和SSF-Classifier，分别通过人类调查（N=382名参与者）和专家标注进行验证。我们开展了初步分析以展示该形式化框架在大规模故事研究中的实用性。具体而言，将我们的模型应用于SSF-Corpus——一个包含6,140个来自多样化语境的社交媒体故事的精选数据集——我们刻画了叙事意图的频率及其相互依赖性，并比较和对比了不同社区中的叙事实践（及其多样性）。通过将细粒度的语境敏感建模与读者反应的通用分类体系相结合，SocialStoryFrames为在线社区中的故事研究开辟了新的可能性。