南方新闻线：一项超越头版的20世纪中叶线稿内容的大规模研究
计算与语言
2026-01-19 v3
摘要
本文描述了构建一个来自美国南方报纸的历史线稿文章大规模语料库，时间跨度为1960-1975年，涵盖多家线稿服务（如美联社、合众国际社、报业联合协会）。与以往主要关注头版内容的研究不同，该语料库捕捉了整份报纸中线稿来源的文章，提供了对20世纪中叶南方新闻报道的更广泛视角。该分析结合了原始 OCR 文本和经过基于 LLM 的文本校正流水线处理的版本，旨在减少 OCR 噪声并提高定量文本分析的适用性。同一线稿的多版本被保留，使得可以研究不同报纸在语言和框架上的编辑差异。文章按线稿服务进行分类，使得可以跨机构比较编辑模式。这些特征共同提供了南方报纸在美国历史转型期如何传递国内和国际新闻的详细视角。
引用
@article{arxiv.2502.11866,
title = {Southern Newswires: A Large-Scale Study of Mid-Century Wire Content Beyond the Front Page},
author = {Michael McRae},
journal= {arXiv preprint arXiv:2502.11866},
year = {2026}
}