Comment-level Topic Drift Analysis in the Reddit Corpus
本文介绍了一种应用于 127 亿条 Reddit 评论的新型基于嵌入的动态主题建模方法，用于量化语义主题漂移，研究揭示了政治和社会争议性话题随时间呈现出显著的方向性演变，而音乐和体育等领域则保持稳定。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
语言并非一座静止的纪念碑；它是一股活着的潮流，随着人们的交谈、争论和分享生活而不断变迁。几十年来，科学家们一直试图绘制这些变化的图谱，将词组视为固定的类别，以观察其流行程度的起伏。但这种方法忽略了当一个词周围的语境发生转变时，其内在意义所发生的微妙且深层的变化。想象一下，如果你试图通过仅仅计算河中卵石的数量来理解一条河流，而不是观察水流本身是如何流动并重塑景观的，你就会明白其中的差异。现代计算机现在不仅能计数单词，还能将句子转化为复杂的数学坐标，创造出一张巨大的、无形的地图，其中两点之间的距离代表了它们意义的相似程度。这种能力使研究人员能够将思想视为在语义景观中移动的旅行者，而不仅仅是关键词列表，从而揭示我们对世界的集体理解是如何随时间演变的。
威廉玛丽学院的一个研究小组决定在大规模范围内测试这一想法，他们使用了从2006年到2022年Reddit上发布的所有评论历史。他们收集了127亿条评论，这一文本量之巨，令大多数其他人类写作集都显得相形见绌。他们并没有寻找频繁出现的特定单词，而是将每一条评论都转化为了一个数字指纹——即高维空间中的一个点，捕捉了所言内容的完整语境。随后，他们按月对这些点进行分组，以寻找相似讨论的集群，从而有效地识别出人们在任何给定时间内讨论的主要话题。通过将这些跨越数年的每月分组连接起来，他们可以追踪特定话题在这一数字空间中移动的路径，观察这些话题是在向特定方向漂移，还是仅仅在漫无目的地游荡。
结果揭示了一个引人注目的模式：人们讨论具有争议性的社会和政治议题的方式呈现出一种非常特定的、具有方向性的变化，而关于更稳定主题的对话则保持着显著的稳定性。与政治、宗教和社会身份相关的议题被发现处于不断的运动之中，它们在语义地图中的位置随着年份的推移在一致的方向上发生偏移。这表明，这些讨论的意义并非只是随机波动，而是随着具有清晰的轨迹在演变，这很可能是由现实世界的事件和不断变化的文化规范所驱动的。相比之下，关于音乐、体育和食物的讨论在地图上的位置大致保持不变，这表明尽管时光流逝，这些主题的核心意义依然保持稳定。
或许最令人深思的发现是不同话题之间的关系是如何变化的。研究人员观察到，某些讨论开始在意义上相互靠近，即使描述它们的词汇保持不变。例如，关于种族主义的对话被发现显著地向警察、宗教和女性的讨论靠拢，这表明这些观念被讨论的语境已经发生了根本性的重组。与此同时，流媒体服务等话题与关于移动技术和视频的讨论趋于汇合，反映了新技术如何重塑了我们对媒体的理解。这些转变并非随机的噪音；研究人员使用统计检验来确认这种运动是真实且显著的，从而将真正的文化演变与大规模数据集中的自然背景杂音区分开来。
这项工作为我们提供了一种观察人类话语如何随时间重组自身的新方式。通过将话题视为地图上的旅行者而非静态的标签，研究人员展示了我们文化中最激烈和最具辩论性的领域也是移动最频繁的领域。研究表明，当我们争论政治或社会公正时，我们不仅仅是在重复旧的思想；我们正在积极地重塑语义景观，以反映我们变化的世界，将概念拉近或推远。虽然该方法依赖于互联网评论那庞大且有时混乱的特性，但其揭示的模式为人类对话如何演变提供了一个清晰且可衡量的特征，提供了一种工具，不仅能理解人们在说什么，还能理解其言语本身的意义是如何变化的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。