論文の概要: Text-Based Ideal Points
- arxiv url: http://arxiv.org/abs/2005.04232v2
- Date: Wed, 22 Jul 2020 00:16:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 11:31:43.688503
- Title: Text-Based Ideal Points
- Title（参考訳）: テキストに基づく理想点
- Authors: Keyon Vafa, Suresh Naidu, David M. Blei
- Abstract要約: 著者の政治的立場を定量化するためにテキストを解析する教師なし確率的トピックモデルであるテキストベース理想点モデル(TBIP)を導入する。
TBIPは政党ごとに議員を分離し、解釈可能な政治トピックを学び、古典的な投票に基づく理想点に近い理想的な点を推測する。
非投票者を含む政治的テキストを執筆する人の理想的なポイントを見積もることができる。
- 参考スコア（独自算出の注目度）: 26.981303055207267
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ideal point models analyze lawmakers' votes to quantify their political
positions, or ideal points. But votes are not the only way to express a
political position. Lawmakers also give speeches, release press statements, and
post tweets. In this paper, we introduce the text-based ideal point model
(TBIP), an unsupervised probabilistic topic model that analyzes texts to
quantify the political positions of its authors. We demonstrate the TBIP with
two types of politicized text data: U.S. Senate speeches and senator tweets.
Though the model does not analyze their votes or political affiliations, the
TBIP separates lawmakers by party, learns interpretable politicized topics, and
infers ideal points close to the classical vote-based ideal points. One benefit
of analyzing texts, as opposed to votes, is that the TBIP can estimate ideal
points of anyone who authors political texts, including non-voting actors. To
this end, we use it to study tweets from the 2020 Democratic presidential
candidates. Using only the texts of their tweets, it identifies them along an
interpretable progressive-to-moderate spectrum.
- Abstract（参考訳）: 理想的なポイントモデルは、議員の票を分析し、彼らの政治的地位や理想的なポイントを定量化する。
しかし、投票は政治的地位を表現する唯一の方法ではない。
議員はスピーチやプレスリリースの公開、ツイートの投稿も行う。
本稿では,テキストを解析して著者の政治的立場を定量化する教師なし確率的トピックモデルであるテキストベース理想点モデル(TBIP)を紹介する。
TBIPは、米国上院の演説と上院議員のツイートの2種類の政治データで実証する。
モデルは投票や政治関係を分析していないが、tbipは議員を政党ごとに分離し、解釈可能な政治トピックを学び、古典的な投票に基づく理想点に近い理想点を推測する。
投票ではなくテキストを分析する利点の1つは、TBIPが投票しないアクターを含む政治的テキストを執筆する人の理想的なポイントを推定できることである。
この目的のために、私たちは2020年の民主党大統領候補のツイートを調査するためにそれを使用します。
ツイートのテキストのみを使用して、解釈可能なプログレッシブからモデレートのスペクトルに沿ってそれらを識別する。
関連論文リスト
- Toeing the Party Line: Election Manifestos as a Key to Understand Political Discourse on Twitter [15.698347233120993]
手動のアノテーションを必要とせずに、テキスト表現を微調整するための信号としてハッシュタグを使用します。
提案手法は,全ての候補のつぶやきのあるシナリオにおいて,マニフェスト位置を反映した安定した位置決めを実現する。
これはアクターが手動のアノテーションで相対的な位置を確実に分析できることを示唆している。
論文 参考訳（メタデータ） (2024-10-21T08:01:46Z) - Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。
GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
論文 参考訳（メタデータ） (2024-07-16T05:52:26Z) - Spotting AI's Touch: Identifying LLM-Paraphrased Spans in Text [61.22649031769564]
我々は、新しいフレームワーク、パラフレーズテキストスパン検出(PTD)を提案する。
PTDは、テキスト内でパラフレーズ付きテキストを識別することを目的としている。
パラフレーズ付きテキストスパン検出のための専用データセットであるPASTEDを構築した。
論文 参考訳（メタデータ） (2024-05-21T11:22:27Z) - L(u)PIN: LLM-based Political Ideology Nowcasting [1.124958340749622]
LLMの潜在的知識を活用することで,各議員のイデオロギー的立場を分析する手法を提案する。
この方法により、選択の軸として政治家のスタンスを評価することができ、選択の話題・論争に関して政治家のスタンスを柔軟に測定することができる。
論文 参考訳（メタデータ） (2024-05-12T16:14:07Z) - Design and analysis of tweet-based election models for the 2021 Mexican
legislative election [55.41644538483948]
選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。
地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
論文 参考訳（メタデータ） (2023-01-02T12:40:05Z) - A Spanish dataset for Targeted Sentiment Analysis of political headlines [0.0]
この研究は、2019年のアルゼンチン大統領選挙で主要メディアから公開されたニュースニュースの見出しのドメインに対するターゲティング・センティメント・アナリティクス(Targeted Sentiment Analysis)の課題に対処する。
我々は、2019年の選挙の候補者を対象レベルで言及した1,976人の見出しの極性データセットを提示する。
事前訓練された言語モデルに基づく最先端分類アルゴリズムによる予備実験により,この課題に対象情報が有用であることが示唆された。
論文 参考訳（メタデータ） (2022-08-30T01:30:30Z) - Tweets2Stance: Users stance detection exploiting Zero-Shot Learning
Algorithms on Tweets [0.06372261626436675]
この研究の目的は、TwitterのパーティアカウントがTwitterで書いたことを悪用する各声明に関して、党pのスタンスを予測することである。
複数の実験から得られた結果から、Tweets2Stanceは、タスクの複雑さを考慮して、一般的な最小値である1.13の姿勢を正確に予測できることがわかった。
論文 参考訳（メタデータ） (2022-04-22T14:00:11Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - Detecting Speaker Personas from Conversational Texts [52.4557098875992]
本研究では,平易な会話テキストに基づく話者ペルソナの検出を目的とした,話者ペルソナ検出(SPD)という新しいタスクについて検討する。
我々は、Persona Match on Persona-Chat (PMPC)と呼ばれるSPDのためのデータセットを構築している。
本稿では,複数のベースラインモデルを評価し,この課題に対する発話対注目(U2P)マッチングネットワークを提案する。
論文 参考訳（メタデータ） (2021-09-03T06:14:38Z) - Political Posters Identification with Appearance-Text Fusion [49.55696202606098]
外観特徴とテキストベクトルを効率的に活用し, 政治ポスターを高精度に分類する手法を提案する。
この作品の大半は、特定の政治イベントのプロモーションとして機能するように設計された政治ポスターに焦点を当てている。
論文 参考訳（メタデータ） (2020-12-19T16:14:51Z) - Inferring Political Preferences from Twitter [0.0]
ソーシャルメディアの政治的センチメント分析は、政治ストラテジストが政党や候補者のパフォーマンスを精査するのに役立つ。
選挙期間中、ソーシャルネットワークはブログ、チャット、討論、政党や政治家の展望に関する議論で溢れている。
本研究では、従来の機械学習を用いて、テキスト分類問題としてモデル化することで、ツイートに存在する政治的意見の傾きを特定することを選んだ。
論文 参考訳（メタデータ） (2020-07-21T05:20:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。