Polyamory in the News Corpus (POLYNEWS)

Data description The POLYNEWS corpus contains metadata and vocabulary counts for all press news articles mentioning polyamory published in English-language sources between 1994 and 2023, both included. Data format: Annotated (.csv)Type of data: Table Data collection This dataset comprises worldwide English-language press news mentioning polyamory. The data were collected in early 2024 to cover the 1994–2023 period. The data for this study were collected from the English-language news sources covered by the database Factiva (Dow Jonex & Co., 2025), using the following parameters: parameter value Search query la=en AND rst=tnwp AND (polyamory OR polyamorous OR polyamorist OR poly-amory OR poly-amorous OR poly-amorist) Date All Dates Source All Sources Author All Authors Company All Companies Subject All Subjects Industry All Industries Region All Regions Language English Duplicates Off The search yielded 9228 results as of 1 January 2024. Data source location http://www.factiva.com/ Data accessibility Repository name: POLYNEWSData identification number: 10.5281/zenodo.14989797 Data format The dataset is supplied as three files: polynews_articles.csv, containing article-level data polynews_publications.csv, containing publication-level data polynews_terms.csv, containing term-level data Article data The format of the article data file is as follows: field content type id unique ID assigned by Factiva to the article string headline text of the article headline string authors list of authors, as automatically parsed Python list authors_clean list of authors, manually cleaned up Python list date time and date of publication date in ISO8601 format publication_id unique ID assigned by Factiva to the publication where the article appeared string section original description of the section where the article was published string extra_columns additional unparsed data in the Factiva record Python list wordcount length of the article in words as reported by Factiva integer wordcount_actual length of the article in words as measured by tokenizer integer frequencies list of terms in the article with their frequencies Python Counter Publication data The format of the publication data file is as follows: field content type publication_id unique ID assigned by Factiva to the publication string wikidata_id unique ID assigned by Wikidata to the publication string publication_title full title, uniquely disambiguated if necessary string country country of publication string medium medium of publication string: print, online issn ISSN for the publication, where available string frequency frequency of appearance string type broad classification of newspaper type string: broadsheet, tabloid, local, business Term data The format of the term data file is as follows: field content type term word type, as parsed by the Penn Treebank tokeniser string count number of occurrences of term in the corpus integer log_ratio binary log of the ratio of relative frequencies of the term against the SIBOL corpus floating point number log_likelihood Dunning's log likelihood of the term against the SIBOL corpus floating point number数据集说明 POLYNEWS语料库（POLYNEWS corpus）涵盖了1994年至2023年（含首尾两年）间，所有提及多伴侣关系（polyamory）的英语媒体新闻报道的元数据（metadata）与词汇计数信息。 数据格式：带注释的逗号分隔值文件（.csv）；数据类型：表格型数据 数据采集 本数据集包含全球范围内提及多伴侣关系的英语媒体新闻报道。本数据集于2024年初完成采集，覆盖1994年至2023年的报道区间。 本研究的数据采集自数据库Factiva（道琼斯公司（Dow Jonex & Co.），2025）所覆盖的英语新闻源，采集参数如下： | 参数 | 取值 | |------|------| | 搜索查询 | `la=en AND rst=tnwp AND (polyamory OR polyamorous OR polyamorist OR poly-amory OR poly-amorous OR poly-amorist)` | | 日期 | 所有日期 | | 来源 | 所有来源 | | 作者 | 所有作者 | | 公司 | 所有公司 | | 主题 | 所有主题 | | 行业 | 所有行业 | | 地区 | 所有地区 | | 语言 | 英语 | | 重复项 | 已关闭 | 截至2024年1月1日，本次搜索共获得9228条结果。 数据源地址 http://www.factiva.com/ 数据可及性 存储库名称：POLYNEWS；数据标识号：10.5281/zenodo.14989797 数据集格式 本数据集以三个文件形式提供： 1. `polynews_articles.csv`：存储文章级数据 2. `polynews_publications.csv`：存储出版源级数据 3. `polynews_terms.csv`：存储术语级数据 ### 文章数据 文章数据文件的格式如下表所示： | 字段 | 内容说明 | 数据类型 | |------|----------|----------| | id | Factiva为文章分配的唯一标识符 | 字符串（string） | | headline | 文章标题文本 | 字符串（string） | | authors | 自动解析得到的作者列表 | Python列表（Python list） | | authors_clean | 手动整理后的作者列表 | Python列表（Python list） | | date | 文章发表的时间与日期 | ISO8601标准日期格式 | | publication_id | Factiva为文章所属出版源分配的唯一标识符 | 字符串（string） | | section | 文章发表版面的原始描述 | 字符串（string） | | extra_columns | Factiva记录中未解析的额外数据 | Python列表（Python list） | | wordcount | Factiva报告的文章单词数 | 整数（integer） | | wordcount_actual | 通过分词器统计得到的实际文章单词数 | 整数（integer） | | frequencies | 文章中各术语及其出现频次的列表 | Python计数器（Python Counter） | ### 出版源数据 出版源数据文件的格式如下表所示： | 字段 | 内容说明 | 数据类型 | |------|----------|----------| | publication_id | Factiva为出版源分配的唯一标识符 | 字符串（string） | | wikidata_id | 维基数据（Wikidata）为出版源分配的唯一标识符 | 字符串（string） | | publication_title | 出版源完整标题，必要时添加唯一消歧标识 | 字符串（string） | | country | 出版源所在国家 | 字符串（string） | | medium | 出版媒介，可选值：印刷版、在线版（print, online） | 字符串（string） | | issn | 出版源的国际标准期刊号（ISSN，若可获取） | 字符串（string） | | frequency | 出版频率 | 字符串（string） | | type | 报纸类型的宽泛分类，可选值：大报（broadsheet）、小报（tabloid）、地方报、商业报 | 字符串（string） | ### 术语数据 术语数据文件的格式如下表所示： | 字段 | 内容说明 | 数据类型 | |------|----------|----------| | term | 由Penn Treebank分词器解析得到的词类 | 字符串（string） | | count | 该术语在整个语料库中的出现次数 | 整数（integer） | | log_ratio | 该术语相对于SIBOL语料库的相对频率比值的二元对数 | 浮点数（floating point number） | | log_likelihood | 该术语相对于SIBOL语料库的邓宁对数似然值（Dunning's log likelihood） | 浮点数（floating point number） |