使用 LLMs 迭代诱导主题分类体系：选举广告案例研究

arXiv:2510.15125v3 公告类型：replace-cross 摘要：社交媒体平台在塑造政治话语方面发挥着关键作用，但在线内容的规模及其快速演变使系统性分析变得困难。我们提出了一个端到端框架，用于从无标签文本语料库中诱导出可解释的主题分类体系。该框架将基于嵌入的聚类与迭代式大型语言模型（LLM）推理相结合，无需预先定义标签或种子主题即可构建主题分类体系。该框架首先从文档簇中综合候选主题，然后利用所得分类体系为各个文档簇分配一致的主题标签。我们以2024年美国总统选举前的政治广告为案例研究，对该方法进行了评估。我们利用诱导出的分类体系，支持对议题普遍程度、道德框架、广告支出和人口统计学曝光模式开展后续分析。结果表明，迭代式分类体系构建能够以可扩展且可解释的方式组织大规模无标签文本语料库，同时支持实质性的后续分析。