論文の概要: Supercharging Agenda Setting Research: The ParlaCAP Dataset of 28 European Parliaments and a Scalable Multilingual LLM-Based Classification

• arxiv url: http://arxiv.org/abs/2602.16516v1
• Date: Wed, 18 Feb 2026 15:04:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 15:58:30.625378
• Title: Supercharging Agenda Setting Research: The ParlaCAP Dataset of 28 European Parliaments and a Scalable Multilingual LLM-Based Classification
• Title（参考訳）: スーパーチャージアジェンダ設定研究:28の欧州議会のParlaCAPデータセットとスケーラブルな多言語LPMに基づく分類
• Authors: Taja Kuzman Pungeršek, Peter Rupnik, Daniela Širinić, Nikola Ljubešić,
• Abstract要約: ParlaCAPは、欧州全体で設定されている議会議題を分析するための大規模なデータセットである。 本稿では,欧州の議会アジェンダを解析するための大規模データセットであるParlaCAPを紹介する。
• 参考スコア（独自算出の注目度）: 0.5666456827479577
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper introduces ParlaCAP, a large-scale dataset for analyzing parliamentary agenda setting across Europe, and proposes a cost-effective method for building domain-specific policy topic classifiers. Applying the Comparative Agendas Project (CAP) schema to the multilingual ParlaMint corpus of over 8 million speeches from 28 parliaments of European countries and autonomous regions, we follow a teacher-student framework in which a high-performing large language model (LLM) annotates in-domain training data and a multilingual encoder model is fine-tuned on these annotations for scalable data annotation. We show that this approach produces a classifier tailored to the target domain. Agreement between the LLM and human annotators is comparable to inter-annotator agreement among humans, and the resulting model outperforms existing CAP classifiers trained on manually-annotated but out-of-domain data. In addition to the CAP annotations, the ParlaCAP dataset offers rich speaker and party metadata, as well as sentiment predictions coming from the ParlaSent multilingual transformer model, enabling comparative research on political attention and representation across countries. We illustrate the analytical potential of the dataset with three use cases, examining the distribution of parliamentary attention across policy topics, sentiment patterns in parliamentary speech, and gender differences in policy attention.
• Abstract（参考訳）: 本稿では,欧州全体で設定された議院議題を解析するための大規模データセットであるParlaCAPを紹介し,ドメイン固有の政策トピック分類器を構築するためのコスト効率の高い手法を提案する。 比較アジェンダス計画(CAP)スキーマを欧州28か国・自治地域の28か国の議会から800万件以上の演説を多言語パーラミントコーパスに適用することにより、高パフォーマンスな大規模言語モデル(LLM)がドメイン内のトレーニングデータに注釈を付け、多言語エンコーダモデルがこれらのアノテーションに基づいてスケーラブルなデータアノテーションを微調整する、教師主導の枠組みに従う。 提案手法は,対象領域に合わせた分類器を生成する。 LLMと人間のアノテーション間の合意は、人間間のアノテーション間の合意に匹敵するものであり、その結果のモデルは、手動で注釈付けされているがドメイン外のデータに基づいて訓練された既存のCAP分類器よりも優れている。 CAPアノテーションに加えて、ParlaCAPデータセットは、リッチな話者メタデータとパーティーメタデータ、ParlaSentマルチリンガルトランスフォーマーモデルからの感情予測を提供する。 本研究は、政策トピックスにおける議会の注意の分布、議会演説における感情パターン、政策アテンションにおけるジェンダー差の3つの事例を用いて、データセットの分析可能性について論じる。

関連論文リスト

• ShifCon: Enhancing Non-Dominant Language Capabilities with a Shift-based Multilingual Contrastive Framework [78.07201802874529]
  ShifConはシフトベースの多言語コントラストフレームワークで、他の言語の内部のフォワードプロセスを支配的な言語に合わせる。 実験により、我々のShifConフレームワークは、非支配言語の性能を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2024-10-25T10:28:59Z)
• The ParlaSpeech Collection of Automatically Generated Speech and Text Datasets from Parliamentary Proceedings [0.0]
  我々は,低リソース言語による大規模かつオープンな音声・テキスト対応データセットを構築するためのアプローチを提案する。 我々は3つのスラヴ語、すなわちクロアチア語、ポーランド語、セルビア語に焦点を当てている。 このパイロット実行の結果は、5000時間以上のスピーチと付随するテキストの書き起こしにまたがる、高品質な3つのデータセットである。
  論文  参考訳（メタデータ） (2024-09-23T10:12:18Z)
• Learning Phonotactics from Linguistic Informants [54.086544221761486]
  本モデルでは,情報理論的なポリシーの1つに従って,データポイントを反復的に選択または合成する。 提案モデルでは,情報提供者を問う項目の選択に使用する情報理論のポリシーが,完全教師付きアプローチに匹敵する,あるいはそれ以上の効率性が得られることがわかった。
  論文  参考訳（メタデータ） (2024-05-08T00:18:56Z)
• Multi-EuP: The Multilingual European Parliament Dataset for Analysis of Bias in Information Retrieval [62.82448161570428]
  このデータセットは、多言語情報検索コンテキストにおける公平性を調べるために設計されている。 真正な多言語コーパスを持ち、24言語すべてに翻訳されたトピックを特徴としている。 文書に関連する豊富な人口統計情報を提供し、人口統計バイアスの研究を容易にする。
  論文  参考訳（メタデータ） (2023-11-03T12:29:11Z)
• Towards a Deep Understanding of Multilingual End-to-End Speech Translation [52.26739715012842]
  我々は22言語以上で訓練された多言語エンドツーエンド音声翻訳モデルで学習した表現を解析する。 我々は分析から3つの大きな発見を得た。
  論文  参考訳（メタデータ） (2023-10-31T13:50:55Z)
• 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)
• ComSL: A Composite Speech-Language Model for End-to-End Speech-to-Text Translation [79.66359274050885]
  公的な事前訓練された音声のみのモデルと言語のみのモデルからなる複合アーキテクチャ上に構築された音声言語モデルであるComSLを提案する。 提案手法は,エンドツーエンドの音声-テキスト翻訳タスクにおいて有効であることを示す。
  論文  参考訳（メタデータ） (2023-05-24T07:42:15Z)
• Political corpus creation through automatic speech recognition on EU debates [4.670305538969914]
  我々は、EU議会のLIBE委員会の書き起こされたコーパスを提示し、合計360万のランニングワードを提示する。 EUの議会委員会の会合は、政治科学者にとって潜在的に価値のある情報源であるが、データは限られたメタデータと共に音声記録としてのみ公開されているため、簡単には入手できない。 我々は,会議の音声記録の正確なテキスト書き起こしを行うために,最も適切な自動音声認識(ASR)モデルについて検討した。
  論文  参考訳（メタデータ） (2023-04-17T10:41:59Z)
• Cross-lingual Spoken Language Understanding with Regularized Representation Alignment [71.53159402053392]
  外部リソースを使わずに言語間で単語レベルの表現と文レベルの表現を整列する正規化手法を提案する。 言語間言語理解タスクの実験により、我々のモデルは、数ショットとゼロショットの両方のシナリオにおいて、最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-09-30T08:56:53Z)

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。