Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
How does the language of 'threat' vary across news domains?: a semi-supervised pipeline for understanding narrative components in news contexts
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap.ORCID-id: 0000-0003-4466-1567
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap.ORCID-id: 0000-0001-8503-0118
2023 (Engelska)Ingår i: SAIS 2023: 35th Annual Workshop of the Swedish Artificial Intelligence Society / [ed] Håkan Grahn; Anton Borg; Martin Boldt, Swedish Artificial Intelligence Society , 2023, s. 94-99Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

By identifying and characterising the narratives told in news media we can better understand political and societal processes. The problem is challenging from the perspective of natural language processing because it requires a combination of quantitative and qualitative methods. This paper reports on work in progress, which aims to build a human-in-the-loop pipeline for analysing how the variation of narrative themes across different domains, based on topic modelling and word embeddings. As an illustration, we study the language associated with the threat narrative in British news media.

Ort, förlag, år, upplaga, sidor
Swedish Artificial Intelligence Society , 2023. s. 94-99
Serie
Linköping Electronic Conference Proceedings, ISSN 1650-3686, E-ISSN 1650-3740
Nyckelord [en]
topic modelling, natural language processing, narrative analysis, text embeddings
Nationell ämneskategori
Datavetenskap (datalogi) Språkteknologi (språkvetenskaplig databehandling)
Forskningsämne
datorlingvistik; datalogi
Identifikatorer
URN: urn:nbn:se:umu:diva-213801DOI: 10.3384/ecp199010ISBN: 978-91-8075-274-9 (digital)OAI: oai:DiVA.org:umu-213801DiVA, id: diva2:1792461
Konferens
SAIS 2023, 35th Annual Workshop of the Swedish Artificial Intelligence Society, Karlskrona, Sweden, June 12-13, 2023
Tillgänglig från: 2023-08-29 Skapad: 2023-08-29 Senast uppdaterad: 2023-08-29Bibliografiskt granskad

Open Access i DiVA

fulltext(268 kB)53 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 268 kBChecksumma SHA-512
6018bd8579b6fabfbf58ad87ddba16bbfba53636ffb97e239d4bff4caf13ac414819b7eaf843d5a695fb48cc0d31a1ae7f73d66d39823c598e7e2342e694ac1b
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Person

Ryazanov, IgorBjörklund, Johanna

Sök vidare i DiVA

Av författaren/redaktören
Ryazanov, IgorBjörklund, Johanna
Av organisationen
Institutionen för datavetenskap
Datavetenskap (datalogi)Språkteknologi (språkvetenskaplig databehandling)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 63 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 263 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf