1 研究背景

主题建模是文本挖掘中用于挖掘语料库主题的无监督学习方法，LDA模型因其简单性和广泛应用而受到青睐。Törnberg u0026 Törnberg 利用LDA模型研究社交媒体话语，认为其适合处理大规模数据且能结构化归纳数据。Jo 探讨了主题建模在话语分析中的应用，强调其能揭示话语中的高频词汇和词间关系网络，理解话语动态性，并追踪历史变化。Jacobs u0026 Tschötschel 指出主题建模能弥补话语分析的主观性、缺乏系统性和操作性。Aranda et al. 提出批评话语分析与结构主题建模结合能拓展传统方法。然而，基于语料库的批评话语分析较少使用主题建模，多采用主题词方法。本研究旨在填补这一空白，通过LDA主题建模分析北京冬奥会英文报道，结合扩展意义单位模型，从宏观和微观层面揭示话语意义建构。

2 隐含狄利克雷分布（LDA）主题模型

LDA主题模型由Blei等人于2003年提出，基于概率潜在语义索引模型发展而来，用于文本语料库的生成概率模型。LDA模型通过主题和单词的狄利克雷先验分布，结合观测到的数据来求解主题的后验分布。模型认为文档由多个主题组成，每个主题是单词的概率分布。文档中的单词生成过程包括随机产生主题的概率分布，然后根据该分布选择主题和单词。LDA模型的任务是根据可观测的单词推断隐含的主题结构。在实践中，LDA主题建模通常由第三方开源工具包实现，如Python的Gensim和scikit-learn，以及R的mallet程序包。主题数目的设置对分析结果有重要影响，需要根据研究目的和语料库的特点进行权衡。

3 北京冬奥会话语研究

介绍了北京冬奥会话语研究的语料收集和分析步骤。研究使用Factiva数据库，通过特定关键词检索，收集了2015年7月31日至2021年9月1日的境外英语新闻报道，形成北京冬奥会语料库。研究步骤包括清理语料、使用LDA模型进行主题挖掘、确定主题数目和关键词数目、使用AntConc软件分析高频搭配词和语义韵，以及结合搭配词、语义韵和词语索引分析话语建构和媒体态度。

4 研究结果与讨论

北京冬奥会语料库的LDA主题建模揭示了三个主要报道主题：冬奥会举办权、赛事准备工作和政府举措。关键词如Beijing、host、bid、Games、winter等与举办权相关，而snow、event、ski、venue等与赛事准备相关，sport、million、billion等则与政府资金支持相关。进一步分析显示，host作为动词时，与2022冬奥会相关的报道多聚焦于北京获得主办权，且有赞许北京成为“双奥之城”的语义韵。snow作为名词时，其高频搭配词如natural、artificial、man-made、real、fake等聚焦于雪的制造方式，表达了对北京缺乏自然雪的批评和对人工造雪的质疑。sports作为名词复数形式时，其搭配词分为精神文化类、经济活动类和推广发展类，其中精神文化类搭配词多表达对北京缺乏冬季运动传统的批评，而经济活动类和推广发展类搭配词则展现了中国政府为发展冰雪运动所做的积极努力。

5 结论

本研究通过LDA主题建模分析了境外媒体对北京冬奥会英文报道的主题和话语意义建构。研究发现，报道主要关注主办权、赛事准备和政府举措。境外媒体对北京“双奥之城”地位和中国政府推广冰雪运动的努力持积极态度，但对北京的气候条件和冰雪运动文化底蕴提出质疑。研究还表明，LDA模型在批评话语分析中具有客观性和可靠性，有助于从宏观和微观层面深入分析话语建构意义。未来研究可结合更多方法对媒体报道话语进行分析。