論文の概要: Analyzing German Parliamentary Speeches: A Machine Learning Approach for Topic and Sentiment Classification

• arxiv url: http://arxiv.org/abs/2508.03181v1
• Date: Tue, 05 Aug 2025 07:44:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 18:18:55.847368
• Title: Analyzing German Parliamentary Speeches: A Machine Learning Approach for Topic and Sentiment Classification
• Title（参考訳）: ドイツ語議会演説の分析:トピックとセンチメントの分類のための機械学習アプローチ
• Authors: Lukas Pätz, Moritz Beyer, Jannik Späth, Lasse Bohlen, Patrick Zschech, Mathias Kraus, Julian Rosenberger,
• Abstract要約: 本研究は、ドイツの議会である連邦議会における政治談話について、約28,000の議会演説を分析して調査する。 トピック分類と感情分類のための2つの機械学習モデルを開発し、手動でラベル付けされたデータセットで訓練した。 これらのモデルでは, トピック分類において, 受信機動作特性曲線(AUROC)0.94の領域を達成し, 高い分類性能を示した。
• 参考スコア（独自算出の注目度）: 3.3595341706248876
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study investigates political discourse in the German parliament, the Bundestag, by analyzing approximately 28,000 parliamentary speeches from the last five years. Two machine learning models for topic and sentiment classification were developed and trained on a manually labeled dataset. The models showed strong classification performance, achieving an area under the receiver operating characteristic curve (AUROC) of 0.94 for topic classification (average across topics) and 0.89 for sentiment classification. Both models were applied to assess topic trends and sentiment distributions across political parties and over time. The analysis reveals remarkable relationships between parties and their role in parliament. In particular, a change in style can be observed for parties moving from government to opposition. While ideological positions matter, governing responsibilities also shape discourse. The analysis directly addresses key questions about the evolution of topics, sentiment dynamics, and party-specific discourse strategies in the Bundestag.
• Abstract（参考訳）: 本研究は、過去5年間の約28,000の議会演説を分析して、ドイツ議会の政治談話であるドイツ連邦議会を調査する。 トピック分類と感情分類のための2つの機械学習モデルを開発し、手動でラベル付けされたデータセットで訓練した。 これらのモデルでは, トピック分類では0.94で, 感情分類では0.89で, 受信者動作特性曲線(AUROC)の下では強い分類性能を示した。 どちらのモデルも、政党や時間とともに話題の傾向や感情分布を評価するために応用された。 この分析は、政党間の顕著な関係と議会における役割を明らかにしている。 特に、政府から野党へ移行する政党には、スタイルの変化が見られる。 イデオロギー的な立場が重要である一方で、統治責任もまた言論を形成する。 この分析は、連邦議会におけるトピックの進化、感情力学、党固有の談話戦略に関する重要な疑問に直接対処する。

関連論文リスト

• SpeechRole: A Large-Scale Dataset and Benchmark for Evaluating Speech Role-Playing Agents [52.29009595100625]
  ロールプレイングエージェントは、パーソナライズされた相互作用と感情共鳴を達成するための有望なパラダイムとして登場した。 既存の研究は主にテキストのモダリティに焦点を当て、現実的な対話的なシナリオにおける音声の重要な次元を無視している。 我々は,98の多様な役割と112kの音声ベースの1ターン・マルチターン会話からなる大規模かつ高品質なデータセットであるSpeechRole-Dataを構築した。
  論文  参考訳（メタデータ） (2025-08-04T03:18:36Z)
• Talking Point based Ideological Discourse Analysis in News Events [62.18747509565779]
  本稿では,イデオロギー的談話分析理論をモチベーションとして,実世界の出来事に関するニュース記事を分析する枠組みを提案する。 我々のフレームワークは,話題のトピックとともに,エンティティ,役割,メディアフレーム間の相互作用を捉えた,会話ポイントという関係構造を用いたニュース記事を表現している。 我々は,人間の検証によって補足されたイデオロギーや分派的分類タスクを通じて,これらの視点を自動で生成するフレームワークの能力を評価する。
  論文  参考訳（メタデータ） (2025-04-10T02:52:34Z)
• Beyond Partisan Leaning: A Comparative Analysis of Political Bias in Large Language Models [6.549047699071195]
  本研究では、大規模言語モデルにおける政治的行動を評価するために、ペルソナフリーでトピック固有のアプローチを採用する。 米国、ヨーロッパ、中国、中東で開発された43の大規模言語モデルからの反応を分析した。 発見は、ほとんどのモデルが中心左あるいは左イデオロギー的にリーンであり、非党派的エンゲージメントパターンが異なることを示している。
  論文  参考訳（メタデータ） (2024-12-21T19:42:40Z)
• SpeakGer: A meta-data enriched speech corpus of German state and federal parliaments [0.12277343096128711]
  SpeakGerデータセットは、1947年から2023年までのドイツ連邦議会とドイツ連邦議会の16州すべてからの議論で構成されている。 このデータセットには、聴衆からのスピーチに対する反応と、講演者のパーティー、年齢、選挙区、政党の政治的アライメントに関する情報という形で、豊富なメタデータが含まれている。
  論文  参考訳（メタデータ） (2024-10-23T14:00:48Z)
• A Structural Text-Based Scaling Model for Analyzing Political Discourse [0.0]
  本稿では,テキストデータから潜在トピックに対する話者のイデオロギー的位置を推定する構造的テキストベーススケーリングモデルを提案する。 STBSを上院の演説に適用し、移民と銃暴力を議会における2大政党間の最も分極的な話題とみなす。
  論文  参考訳（メタデータ） (2024-10-14T14:05:35Z)
• Speaker attribution in German parliamentary debates with QLoRA-adapted large language models [0.0]
  我々は,2017-2021年のドイツ議会討論会において,大型言語モデルLlama 2の話者属性の自動化の可能性について検討した。 本稿の結果は,話者帰属の自動化における大規模言語モデルの能力に光を当て,政治談話の計算分析や意味的役割ラベルシステムの開発に期待できる道のりを明らかにした。
  論文  参考訳（メタデータ） (2023-09-18T16:06:16Z)
• The ParlaSent Multilingual Training Dataset for Sentiment Identification in Parliamentary Proceedings [0.0]
  そこで本論文では,感傷的に手動で注釈付けした7言語による文のトレーニングデータセットを提案する。 さらに、政治科学応用のためのドメイン固有多言語トランスフォーマー言語モデルについても紹介する。
  論文  参考訳（メタデータ） (2023-09-18T14:01:06Z)
• The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
  私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。 ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
  論文  参考訳（メタデータ） (2023-04-19T18:32:49Z)
• Computational Assessment of Hyperpartisanship in News Titles [55.92100606666497]
  われわれはまず、超党派ニュースタイトル検出のための新しいデータセットを開発するために、人間の誘導する機械学習フレームワークを採用する。 全体的に右派メディアは比例的に超党派的なタイトルを使う傾向にある。 我々は、外国問題、政治システム、ニュースタイトルにおける過党主義を示唆する社会問題を含む3つの主要なトピックを識別する。
  論文  参考訳（メタデータ） (2023-01-16T05:56:58Z)
• 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)
• 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)
• A computational model implementing subjectivity with the 'Room Theory'. The case of detecting Emotion from Text [68.8204255655161]
  本研究は,テキスト分析における主観性と一般的文脈依存性を考慮した新しい手法を提案する。 単語間の類似度を用いて、ベンチマーク中の要素の相対的関連性を抽出することができる。 この方法は、主観的評価がテキストの相対値や意味を理解するために関係しているすべてのケースに適用できる。
  論文  参考訳（メタデータ） (2020-05-12T21:26:04Z)

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。