基于LDA主题建模技术的北京冬奥会话语意义研究.pdfVIP

语料库语言学 2023年 第10卷 第1期

基于LDA主题建模技术的

北京冬奥会话语意义研究*

北京航空航天大学 张 毓 卫乃兴

提要：LDA主题模型是目前较为常见的无监督主题建模方法，可用于批评话语分析中

的主题分析。既往同类研究大多使用语料库语言学中的主题词方法发现主题，而较少使用

主题建模方法。鉴于此，本研究选择境外英文媒体有关北京冬奥会的报道为语料，自建北

京冬奥会英文报道语料库，采用LDA主题建模技术探究北京冬奥会的境外英文报道主题。

此外，我们结合语料库驱动路径分析主题的高频关键词和语义韵，以揭示北京冬奥会的话

语建构和媒体态度意义。研究发现，境外媒体在报道北京冬奥会时聚焦于3个主题，即冬

奥会主办权、赛事准备工作以及政府举措。此外，境外媒体对北京成为首座“双奥”之城

和中国政府积极推广冰雪运动的行为给予正面评价，但同时批评了北京缺乏冰雪运动文化

传统和自然降雪条件。本研究表明，将LDA模型、语料库语言学方法和批评话语分析方法

结合具有可行性，为今后研究提供了新的分析框架。

关键词：LDA、语义韵、话语建构、北京冬奥会

1 研究背景

主题建模（topic-modeling）是文本挖掘领域中的一种无监督学习方法，它可

直接对文本数据进行归纳建模，从而挖掘语料库的主题（刘文宇、胡颖2020）。

其中，隐含狄利克雷分布（LatentDirichletAllocation，简称LDA）是常用的主题

建模方法之一，该模型较为简单且应用广泛，其算法排除了人工干扰，保证了结

果的客观性（MohrBogdanov2013）。TörnbergTörnberg（2016a，2016b）较

早使用LDA主题模型结合批评话语分析方法，研究了社交媒体中有关穆斯林的话

题以及Muslim和Islam的话语表征。他们认为LDA模型适合处理大规模语料库数

据，并且与提前预设的关键词分析不同，LDA能够在无监督的情况下对数据进行

*本文是北京市哲学社会科学研究基地项目“境外主流英文媒体北京冬奥会新闻报道分析研究

（2015年7月31日—2020年12月31日）”（19JDYYB005）的阶段性研究成果。

卫乃兴为本文通讯作者。

作者贡献：

张毓：选题构思、研究方法、数据收集、数据分析、初稿撰写、字数占比（60%）；

卫乃兴：选题构思、研究方法、讨论结论、字数占比（40%）、修改润色。

1

基于LDA主题建模技术的北京冬奥会话语意义研究

结构化归纳，是语料库驱动的研究。随后，Jo（2019）探讨了话语分析中使用主

题建模的可能性，认为主题建模能够应用到话语分析中主要基于3个原因：首先，

主题建模产生的主题包含了话语中的两个重要信息，即高频词汇和词与词之间的

关系网络；其次，主题建模认为文本由多个话题构成，能够帮助理解多重话语的

动态性（dynamicsofmultiplediscourses）；最后，一些主题建模方法（如动态话语

模型DTM和结构话语模型STM）能够追踪话语的历史变化。JacobsTschötschel

（2019）的研究则指出，主题建模能够在方法上为话语分析提供有力帮助，可以弥

补话语分析在方法上的缺陷（如分析的主观性、缺乏系统性和操作性）；并且在元

理论层面（meta-theoreticallevel）和认识论层面（epistemologicallevel），两者也具

有较高的适配性。Arandaetal.（2021）认为，将批评话语分析（CriticalDiscourse

Analysis，简称CDA）与结构主题建模（StructuralTopicModel）相结合能够拓展

传统的CDA方法，并且实现互补。

上述研究表明，批评话语分析中使用主题建模方法挖掘语料库文本的主题可

以实现优势互补，而且能够保证结果的客观和准确，避免人为预设和参照语料库

的干扰。然而，当前基于语料库的批评话语分析较少使用主题建模，而多采用主

题词方法分析文本主题，并通过词语搭配和词语索引对某一话题领域的文本进行

话语建构或话语策略分析（如Bakeretal.2008，2020；EngströmParadis2015；

Songetal.2021；杨敏、符小丽2018；赵永刚2021等