Paired Completion: Flexible Quantification of Issue-framing at Scale with LLMs
创建于 更新于
摘要
本论文提出了“paired completion”方法，通过利用大型语言模型（LLM）的条件对数概率，创新性地解决了文本中观点框架（issue framing）自动识别问题。该方法仅需少量示例数据，且在合成数据集及人工标注的移民推文数据集上均表现出优越的分类性能和较低的偏见，与传统的多类分类与Prompt方法相比，兼具高效、低偏差和良好泛化能力，适用于低资源环境下的大规模文本框架分析 [page::0][page::1][page::5][page::7][page::9]
