大型语言模型分析1800万条推文，绘制欧洲负面竞选活动图谱

研究人员开发了一种使用大型语言模型（LLMs）跨语言分类负面竞选活动的方法，分析了来自19个欧洲国家议员的1800万条推文。研究发现，执政党和倾向于联盟的政党在负面竞选活动方面面临更大的声誉约束，而反对党和外部政党则较少。研究还表明，远离意识形态中心、特别是激进右翼的政党倾向于使用更具对抗性的言辞。 AI

影响 展示了大型语言模型进行大规模跨语言分析的能力，可能改变政治学研究。

排序理由 详细介绍新方法及其应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• large language models
• ScienceCast
• Victor Hartman

• 论文
• 政策

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →