Wir präsentieren einen Actor-Critic-Rahmen, um subthema-basierte Strukturen in einer Nachrichtenmeldung für die Profilierung von Nachrichtendiskursen zu induzieren. Das Modell nutzt mehrere Kritiker, die gemäß bekannten Subthema-Strukturen agieren, während der Actor darauf abzielt, diese zu überbieten. Die so erzeugten Inhaltsstrukturen bestehen aus Sätzen, die latente Subthema-Grenzen repräsentieren. Anschließend führen wir ein hierarchisches neuronales Netzwerk ein, das die identifizierten Sätze mit Subthema-Grenzen nutzt, um interaktive Beziehungen auf mehreren Ebenen zwischen Sätzen, Subthemen und dem gesamten Dokument zu modellieren. Experimentelle Ergebnisse und Analysen am NewsDiscourse-Korpus zeigen, dass der Actor-Modell lernfähig ist, ein Dokument effektiv in Subthemen zu segmentieren und die Leistung des hierarchischen Modells bei der Aufgabe der Nachrichten-Diskurs-Profilierung verbessert.