論文の概要: The study of short texts in digital politics: Document aggregation for topic modeling

• arxiv url: http://arxiv.org/abs/2503.05065v1
• Date: Fri, 07 Mar 2025 01:05:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-10 12:24:11.099202
• Title: The study of short texts in digital politics: Document aggregation for topic modeling
• Title（参考訳）: デジタル政治における短文の研究:トピックモデリングのための文書集計
• Authors: Nitheesha Nakka, Omer F. Yalcin, Bruce A. Desmarais, Sarah Rajtmajer, Burt Monroe,
• Abstract要約: コーパスを分割する自然単位に基づいて,短い文書をより大きな文書に集約する効果について検討する。 我々は2016年4月から2020年9月までの米国の州議会によるツイート100万件を分析した。 アカウントレベルで集計されたドキュメントでは、トピックは個々のツイートを使用する場合よりも、個々の状態と関連付けられている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Statistical topic modeling is widely used in political science to study text. Researchers examine documents of varying lengths, from tweets to speeches. There is ongoing debate on how document length affects the interpretability of topic models. We investigate the effects of aggregating short documents into larger ones based on natural units that partition the corpus. In our study, we analyze one million tweets by U.S. state legislators from April 2016 to September 2020. We find that for documents aggregated at the account level, topics are more associated with individual states than when using individual tweets. This finding is replicated with Wikipedia pages aggregated by birth cities, showing how document definitions can impact topic modeling results.
• Abstract（参考訳）: 統計トピックモデリングは、政治科学においてテキストの研究に広く用いられている。 研究者は、ツイートからスピーチまで、さまざまな長さの文書を調べます。 文書長がトピックモデルの解釈可能性にどのように影響するかについては議論が続いている。 コーパスを分割する自然単位に基づいて,短い文書をより大きな文書に集約する効果について検討する。 本研究では,2016年4月から2020年9月までの米国議会のツイート100万件を分析した。 アカウントレベルで集計された文書では、個々のツイートを使用する場合よりも、トピックが個々の状態と関連付けられていることが分かる。 この発見は、出生都市によって集約されたウィキペディアページで再現され、ドキュメント定義がトピックモデリングの結果にどのように影響するかを示している。

関連論文リスト

• Locating Information Gaps and Narrative Inconsistencies Across Languages: A Case Study of LGBT People Portrayals on Wikipedia [49.80565462746646]
  我々は,情報ギャップと矛盾を事実レベルで特定するための,効率的かつ信頼性の高い手法であるInfoGap法を紹介した。 我々は、LGBTの人々の描写を分析してInfoGapを評価し、英語、ロシア語、フランス語のウィキペディアの2.7Kの伝記ページを解析した。
  論文  参考訳（メタデータ） (2024-10-05T20:40:49Z)
• CausalCite: A Causal Formulation of Paper Citations [80.82622421055734]
  CausalCiteは紙の意義を測定するための新しい方法だ。 これは、従来のマッチングフレームワークを高次元のテキスト埋め込みに適応させる、新しい因果推論手法であるTextMatchに基づいている。 科学専門家が報告した紙衝撃と高い相関性など,各種基準におけるCausalCiteの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-05T23:09:39Z)
• Topics in the Haystack: Extracting and Evaluating Topics beyond Coherence [0.0]
  本稿では,文と文書のテーマを深く理解する手法を提案する。 これにより、一般的な単語やネオロジズムを含む潜在トピックを検出することができる。 本稿では, 侵入者の単語の人間識別と相関係数を示し, 単語侵入作業において, ほぼ人間レベルの結果を得る。
  論文  参考訳（メタデータ） (2023-03-30T12:24:25Z)
• Predicting Long-Term Citations from Short-Term Linguistic Influence [20.78217545537925]
  研究論文の影響の基準尺度は、その引用回数である。 本稿では,タイムスタンプによる文書収集における言語的影響の定量化手法を提案する。
  論文  参考訳（メタデータ） (2022-10-24T22:03:26Z)
• Twitter Topic Classification [15.306383757213956]
  我々は、ツイートトピック分類に基づく新しいタスクを提案し、関連する2つのデータセットをリリースする。 ソーシャルメディアで最も重要な議論点をカバーする幅広いトピックについて、トレーニングとテストデータを提供しています。 タスク上で,現在の汎用言語モデルとドメイン固有言語モデルの定量的評価と分析を行う。
  論文  参考訳（メタデータ） (2022-09-20T16:13:52Z)
• SciBERTSUM: Extractive Summarization for Scientific Documents [16.801859298078334]
  SciBERTSUMは500以上の文からなる科学論文のような長い文書の要約のために設計されている。 その結果,ROUGEスコアの点から,モデルの優位性を示した。
  論文  参考訳（メタデータ） (2022-01-21T00:29:48Z)
• Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
  同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。 同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。 我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
  論文  参考訳（メタデータ） (2021-06-15T20:55:55Z)
• Sentiment analysis in tweets: an assessment study from classical to modern text representation models [59.107260266206445]
  Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。 非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。 本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
  論文  参考訳（メタデータ） (2021-05-29T21:05:28Z)
• Multiple Texts as a Limiting Factor in Online Learning: Quantifying (Dis-)similarities of Knowledge Networks across Languages [60.00219873112454]
  ウィキペディアを通して、ある話題に関する情報を入手する程度が、相談される言語に依存するという仮説を考察する。 ウィキペディアはウェブベースの情報ランドスケープの中心的な部分であるため、言語に関する言語的偏見を示している。 この論文は、研究、教育科学、ウィキペディア研究、計算言語学の橋渡しとなっている。
  論文  参考訳（メタデータ） (2020-08-05T11:11:55Z)
• From Standard Summarization to New Tasks and Beyond: Summarization with Manifold Information [77.89755281215079]
  テキスト要約は、原文書の短く凝縮した版を作成することを目的とした研究分野である。 現実世界のアプリケーションでは、ほとんどのデータは平易なテキスト形式ではない。 本稿では,現実のアプリケーションにおけるこれらの新しい要約タスクとアプローチについて調査する。
  論文  参考訳（メタデータ） (2020-05-10T14:59:36Z)

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。