論文の概要: Natural Language Processing for Policymaking
- arxiv url: http://arxiv.org/abs/2302.03490v1
- Date: Tue, 7 Feb 2023 14:34:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-08 16:14:57.870006
- Title: Natural Language Processing for Policymaking
- Title(参考訳): 政策立案のための自然言語処理
- Authors: Zhijing Jin, Rada Mihalcea
- Abstract要約: 自然言語処理(NLP)は、テキストをポリシー作成に必要な重要な情報に解析するために計算ツールを使用する。
テキスト分類,トピックモデリング,イベント抽出,テキストスケーリングなど,NLPの一般的な手法を紹介する。
我々はNLPを政策立案に使用する際の潜在的な制限と倫理的懸念を強調した。
- 参考スコア(独自算出の注目度): 34.93331735602826
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Language is the medium for many political activities, from campaigns to news
reports. Natural language processing (NLP) uses computational tools to parse
text into key information that is needed for policymaking. In this chapter, we
introduce common methods of NLP, including text classification, topic modeling,
event extraction, and text scaling. We then overview how these methods can be
used for policymaking through four major applications including data collection
for evidence-based policymaking, interpretation of political decisions, policy
communication, and investigation of policy effects. Finally, we highlight some
potential limitations and ethical concerns when using NLP for policymaking.
This text is from Chapter 7 (pages 141-162) of the Handbook of Computational
Social Science for Policy (2023). Open Access on Springer:
https://doi.org/10.1007/978-3-031-16624-2
- Abstract(参考訳): 言語は、選挙運動から報道まで、多くの政治活動の媒体である。
自然言語処理(NLP)は、テキストをポリシー作成に必要な重要な情報に解析するために計算ツールを使用する。
本章では,テキスト分類,トピックモデリング,イベント抽出,テキストスケーリングなど,NLPの一般的な手法を紹介する。
次に、証拠に基づく政策作成のためのデータ収集、政治決定の解釈、政策コミュニケーション、政策効果の調査を含む4つの主要な応用を通じて、これらの手法がどのように政策作成に利用できるかを概説する。
最後に、NLPを政策立案に使用する際の潜在的な制限と倫理的懸念を強調した。
本文は『政策計算社会科学ハンドブック』(2023年)の第7章(141-162)から引用されている。
springerのオープンアクセス: https://doi.org/10.1007/978-3-031-16624-2
関連論文リスト
- The ParlaSent multilingual training dataset for sentiment identification
in parliamentary proceedings [4.450536872346658]
本論文は, 感情分類器の訓練に焦点をあてた一連の実験において, 感傷文の新たなデータセットを提案する。
本稿は、政治的科学応用のための最初のドメイン固有 LLM についても紹介し、さらに12億7千億のドメイン固有語を事前訓練した。
我々は,多言語モデルが未確認言語で非常によく機能し,他の言語からの付加データが対象の議会の結果を大幅に改善することを示した。
論文 参考訳(メタデータ) (2023-09-18T14:01:06Z) - Changes in Policy Preferences in German Tweets during the COVID Pandemic [4.663960015139793]
政治的嗜好の微妙なアノテーションを付加した新しいツイートデータセットを提示する。
このデータに基づいて訓練されたテキスト分類モデルを用いて、政治的意見を抽出する。
その結果、新型コロナウイルスのパンデミックを受けて、政治的意見の表現が増加したことが示唆された。
論文 参考訳(メタデータ) (2023-07-31T16:07:28Z) - PLUE: Language Understanding Evaluation Benchmark for Privacy Policies
in English [77.79102359580702]
プライバシポリシ言語理解評価ベンチマークは,プライバシポリシ言語理解を評価するマルチタスクベンチマークである。
また、プライバシポリシの大規模なコーパスを収集し、プライバシポリシドメイン固有の言語モデル事前トレーニングを可能にします。
ドメイン固有の連続的な事前トレーニングは、すべてのタスクでパフォーマンスを改善することを実証します。
論文 参考訳(メタデータ) (2022-12-20T05:58:32Z) - An Inclusive Notion of Text [69.36678873492373]
テキストの概念の明確さは再現可能で一般化可能なNLPにとって不可欠である,と我々は主張する。
言語的および非言語的要素の2層分類を導入し,NLPモデリングに使用することができる。
論文 参考訳(メタデータ) (2022-11-10T14:26:43Z) - Expanding Pretrained Models to Thousands More Languages via
Lexicon-based Adaptation [133.7313847857935]
我々の研究は、NLPメソッドが現在の技術で不足している何千もの言語にどのように適応できるかを強調した。
3つのタスクにまたがる19の非表現言語に対して、我々の手法は、それぞれ追加のモノリンガルテキストによる最大5点と15点の改善をもたらす。
論文 参考訳(メタデータ) (2022-03-17T16:48:22Z) - Who Blames or Endorses Whom? Entity-to-Entity Directed Sentiment
Extraction in News Text [4.218255132083181]
そこで本稿では,あるニュース資料から政治団体間の有向感情関係を識別する新たなNLPタスクを提案する。
百万件のニュースコーパスから,政治団体の感情関係を手作業でアノテートするニュース文のデータセットを構築した。
本稿は、2016年アメリカ合衆国大統領選挙と新型コロナウイルス(COVID-19)の2つの主要なイベントにおいて、政治団体間の肯定的・否定的な意見を分析することによって、社会科学研究問題に対する提案手法の有用性を実証する。
論文 参考訳(メタデータ) (2021-06-02T09:02:14Z) - PolicyQA: A Reading Comprehension Dataset for Privacy Policies [77.79102359580702]
既存のWebサイトプライバシポリシ115のコーパスから算出した,25,017の理解スタイルの例を含むデータセットであるPolicyQAを提案する。
既存の2つのニューラルQAモデルを評価し、厳密な分析を行い、ポリシQAが提供する利点と課題を明らかにする。
論文 参考訳(メタデータ) (2020-10-06T09:04:58Z) - Policy Evaluation Networks [50.53250641051648]
我々は,簡潔な埋め込みにおいて重要なポリシー情報を保持できる,スケーラブルで差別化可能なフィンガープリント機構を導入する。
実験の結果、これらの3つの要素を組み合わせることで、トレーニングデータを生成するものよりも優れたポリシーを作成できることが示された。
論文 参考訳(メタデータ) (2020-02-26T23:00:27Z)
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。