論文の概要: Computational Measurement of Political Positions: A Review of Text-Based Ideal Point Estimation Algorithms

• arxiv url: http://arxiv.org/abs/2511.13238v1
• Date: Mon, 17 Nov 2025 11:01:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:25.141433
• Title: Computational Measurement of Political Positions: A Review of Text-Based Ideal Point Estimation Algorithms
• Title（参考訳）: 政治的位置の計算的測定:テキストに基づく理想点推定アルゴリズムの検討
• Authors: Patrick Parschan, Charlott Jakob,
• Abstract要約: 本稿では、教師なしおよび半教師付き計算テキストベース理想点推定(CT-IPE)アルゴリズムの体系的レビューを行う。 CT-IPEアルゴリズムは、議会演説、政党宣言、ソーシャルメディアからイデオロギー的嗜好を推定するために、政治科学、コミュニケーション、計算社会科学、コンピュータ科学で広く使われている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This article presents the first systematic review of unsupervised and semi-supervised computational text-based ideal point estimation (CT-IPE) algorithms, methods designed to infer latent political positions from textual data. These algorithms are widely used in political science, communication, computational social science, and computer science to estimate ideological preferences from parliamentary speeches, party manifestos, and social media. Over the past two decades, their development has closely followed broader NLP trends -- beginning with word-frequency models and most recently turning to large language models (LLMs). While this trajectory has greatly expanded the methodological toolkit, it has also produced a fragmented field that lacks systematic comparison and clear guidance for applied use. To address this gap, we identified 25 CT-IPE algorithms through a systematic literature review and conducted a manual content analysis of their modeling assumptions and development contexts. To compare them meaningfully, we introduce a conceptual framework that distinguishes how algorithms generate, capture, and aggregate textual variance. On this basis, we identify four methodological families -- word-frequency, topic modeling, word embedding, and LLM-based approaches -- and critically assess their assumptions, interpretability, scalability, and limitations. Our review offers three contributions. First, it provides a structured synthesis of two decades of algorithm development, clarifying how diverse methods relate to one another. Second, it translates these insights into practical guidance for applied researchers, highlighting trade-offs in transparency, technical requirements, and validation strategies that shape algorithm choice. Third, it emphasizes that differences in estimation outcomes across algorithms are themselves informative, underscoring the need for systematic benchmarking.
• Abstract（参考訳）: 本稿では,テキストデータから潜在政治的位置を推定する手法であるCT-IPEアルゴリズムについて,教師なしおよび半教師付き計算テキストベースイデアルポイント推定(CT-IPE)アルゴリズムを初めて体系的に検討する。 これらのアルゴリズムは、政治科学、コミュニケーション、計算社会科学、コンピュータ科学において、議会演説、政党宣言、ソーシャルメディアからイデオロギー的嗜好を推定するために広く使われている。 ワード周波数モデルから始まり、最近では大きな言語モデル(LLM)へと移行した。 この軌道は方法論的ツールキットを大幅に拡張してきたが、体系的な比較や応用のための明確なガイダンスを欠いた断片的なフィールドも生み出している。 このギャップに対処するため、系統的な文献レビューを通じて25個のCT-IPEアルゴリズムを特定し、モデリングの前提と開発状況に関する手作業によるコンテンツ分析を行った。 それらを有意義に比較するために、アルゴリズムがテキストの分散を生成し、キャプチャし、集約する方法を区別する概念的枠組みを導入する。 そこで本研究では,単語頻度,トピックモデリング,単語埋め込み,LLMに基づくアプローチの4つの方法論を同定し,その仮定,解釈可能性,拡張性,限界を批判的に評価する。 私たちのレビューには3つのコントリビューションがあります。 まず、20年間のアルゴリズム開発に関する構造化された合成を提供し、いかに多様な方法が互いに関連しているかを明確にする。 第二に、これらの洞察を応用研究者のための実践的なガイダンスに変換し、透明性、技術的要求、アルゴリズムの選択を形成する検証戦略のトレードオフを強調します。 第三に、アルゴリズム間の推定結果の違い自体が有益であることを強調し、体系的なベンチマークの必要性を強調している。

関連論文リスト

• Evaluating LLM-based Agents for Multi-Turn Conversations: A Survey [64.08485471150486]
  本研究では,大規模言語モデル(LLM)に基づくマルチターン対話環境におけるエージェントの評価手法について検討する。 我々は250近い学術資料を体系的にレビューし、様々な出版場所から芸術の状態を捉えた。
  論文  参考訳（メタデータ） (2025-03-28T14:08:40Z)
• Concept Navigation and Classification via Open-Source Large Language Model Processing [0.0]
  本稿では,オープンソースのLarge Language Models (LLMs) を用いたテキストデータから潜在構造を検出・分類するための新しい手法を提案する。 提案手法は,自動要約とループ内検証を組み合わせることで,構造同定の精度と解釈性を向上させる。
  論文  参考訳（メタデータ） (2025-02-07T08:42:34Z)
• Enhancing literature review with LLM and NLP methods. Algorithmic trading case [0.0]
  本研究では,機械学習アルゴリズムを用いて,アルゴリズム取引分野の知識を分析し,整理する。 1956年から2020年の第1四半期にかけて、1億3600万件の研究論文のデータセットをフィルタリングして14,342件の関連記事を特定した。
  論文  参考訳（メタデータ） (2024-10-23T13:37:27Z)
• Towards a Unified View of Preference Learning for Large Language Models: A Survey [88.66719962576005]
  大きな言語モデル(LLM)は、非常に強力な能力を示す。 成功するための重要な要因の1つは、LLMの出力を人間の好みに合わせることである。 選好学習のすべての戦略を、モデル、データ、フィードバック、アルゴリズムの4つの構成要素に分解する。
  論文  参考訳（メタデータ） (2024-09-04T15:11:55Z)
• Empirical and Experimental Perspectives on Big Data in Recommendation Systems: A Comprehensive Survey [2.6319554262325924]
  本稿では,レコメンデーションシステムにおけるビッグデータアルゴリズムの包括的分析について述べる。 それは、現在のアルゴリズムの徹底的な分析と、正確な分類のための新しい階層的な分類法である。
  論文  参考訳（メタデータ） (2024-02-01T23:51:29Z)
• A Survey of Contextual Optimization Methods for Decision Making under Uncertainty [47.73071218563257]
  この記事では、データからポリシーを学ぶための3つの主要なフレームワークを特定し、その強みと限界について論じる。 統一的な表記と用語の下で既存のモデルとメソッドを示し、これらを3つの主要なフレームワークに従って分類する。
  論文  参考訳（メタデータ） (2023-06-17T15:21:02Z)
• Language Model Decoding as Likelihood-Utility Alignment [54.70547032876017]
  モデルの有効性がタスク固有の実用性の概念とどのように一致しているかについて、暗黙の仮定に基づいて、デコード戦略をグループ化する分類法を導入する。 具体的には、様々なタスクの集合における予測の可能性と有用性の相関を解析することにより、提案された分類を裏付ける最初の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2022-10-13T17:55:51Z)
• A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
  過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。 本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。 特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
  論文  参考訳（メタデータ） (2020-08-02T00:09:03Z)

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。