本文基于中国知网期刊数据库和Web of Science核心合集数据库,系统梳理了2013年-2023年间大数据技术在新闻传播领域的应用与影响。通过文献计量方法和网络分析方法,系统研究了文献的时间分布、高被引论文、国家与机构贡献、期刊分布、...
详细信息
本文基于中国知网期刊数据库和Web of Science核心合集数据库,系统梳理了2013年-2023年间大数据技术在新闻传播领域的应用与影响。通过文献计量方法和网络分析方法,系统研究了文献的时间分布、高被引论文、国家与机构贡献、期刊分布、关键词演变及作者合作网络。研究结果揭示了新闻传播学在数据驱动下的核心趋势和研究热点,并指出其理论、研究对象、方法论和伦理层面面临的新挑战与机遇。本文提出未来研究应聚焦于数字化媒体和数据新闻的理论框架构建、大型语言模型在新闻分析和推荐中的应用、以及数据隐私保护和算法透明度的伦理问题。此研究为新闻传播学领域的研究者提供了理论、方法与伦理层面的重要参考,助力更好地应对智能时代的挑战。
仇恨模因检测是一项具有挑战性的多模态任务,需要模型理解视觉与语言中的隐含语义,并进行跨模态理解交互。针对中文领域的仇恨模因检测任务,本文构建了一个数据集CHmemes,并设计了一个基于CLIP(contrastive language-image pre-training)的情感增强Transformer模型(E2TC,emotion-enhanced Transformer model based on CLIP)作为基线模型。该模型利用图像和文本中的情感信息来增强从CLIP中提取到的特征,然后结合图像中与仇恨相关的人物属性信息以提高模型对于图像中仇恨内容的关注度。最后,采用图像描述作为监督机制以防止模型过拟合。所提出的E2TC模型在CHmemes数据集上以77.67%的AUROC值和72.71%的准确率超越了多个对比模型,验证了情感特征和图像属性信息对于仇恨模因检测的重要性。
暂无评论