Jul, 2022

多方面、多语言和跨语言议会演讲分析

PDF
TL;DR本文通过先进的 NLP 方法，联合比较分析了保加利亚、捷克、法国、斯洛文尼亚、西班牙和英国等 6 个国家在 2017-2020 年间的议会和立法辩论记录，探讨并评估不同国家议员的观点、情感以及性别、政治取向的识别，发现分析对象之间存在许多差异和共性。
parliamentarylegislative debatepoliticians' opinionsnlp methodscomparative analysis
发现论文，激发创造
  • 议会会议中的多语种情感识别训练数据集 ParlaSent

    本文介绍一种基于情感分析的新数据集以及依此数据集进行的一系列实验，重点是训练一个强大的情感分类器用于议会会议。此外，还引入了第一个领域特定的 LLM（语言模型）用于政治科学应用，并在 27 个欧洲议会的会议记录中进行了 1.72 亿专业领域词汇的预训练。通过实验证明，LLM 在议会数据上的额外预训练可以显著提高模型的性能，尤其是在情感检测等具体领域任务上。同时，该研究显示多语言模型在未知语言上表现良好，并且来自其他语言的额外数据显著提高了目标议会的结果。本文对社会科学的多个领域做出了重要贡献，并将其与计算机科学和计算语言学相结合。最后，它建立了一种更可靠的政治文本情感分析方法，使学者能够使用标准化的工具和技术，从比较的视角研究政治情感。

    Sep, 2023

  • Europarl-ST：面向议会辩论的语音翻译多语种语料库

    本研究通过收集欧洲议会在 2008 年至 2012 年期间进行的演讲，创建了一个新型的包括 6 种欧洲语言互相翻译的语音和文本样本的多语种 SLT 语料库 Europarl-ST，并展示了一系列的语音识别、机器翻译和口语翻译实验。

    Nov, 2019

  • BasqueParl: 巴斯克语议会记录的双语语料库

    这篇论文发布了一份新编的巴斯克语议会记录文集，其中包含重度的巴斯克 - 西班牙语码转换，同时还提供了与演讲者和演讲有关的元数据，并对文本进行处理以获得命名实体和词汇。 提取元数据后，对语言使用进行了详细的语料库分析，从时间，政党和性别角度提供了有趣的见解。

    May, 2022

  • 议会中的多语言权力与意识形态识别：参考数据集与简单基线

    介绍了一个关于政治取向和权力地位识别的数据集，该数据集从 ParlaMint 中派生而来，ParlaMint 是 29 个国家和地区议会的一组可比较的国会演讲语料库。我们介绍了该数据集，解释了在创建过程中的一些选择原则，在数据集上提供了统计数据，并利用一个简单的分类器对政治取向在左右轴线上的预测结果以及权力地位识别的基线结果进行了介绍，即区分执政联盟党派成员和反对党派成员发表的演讲。

    May, 2024

  • 希腊议会议事录数据集用于计算语言学和政治分析

    介绍一份包含 1989 年到 2020 年希腊议会文件中逾 1 百万场政治演讲及其元数据的数据集，为解决无资源语言（如希腊）的大规模、历时政治话语数据而构建，可供计算语言学和政治分析使用，如研究词语用法随时间、历史事件和政党变化而变化，以及使用算法来探测语义转移。

    Oct, 2022

  • 巴尔干半岛议会辩论情感标注数据集：波黑，克罗地亚和塞尔维亚

    考察了东南欧三个国家国会辩论中发言情感色彩的分类方法和效果，通过样本数据得出了最优分类模型。

    Jun, 2022

  • 通过欧盟辩论自动语音识别进行政治语料库创建

    本文提出了一个欧盟议会 LIBE 委员会的书面语料库，总计 3.6 百万字。在实验过程中，我们使用基于 transformer 的 Wav2vec2.0 模型作为自动语音识别（ASR）流程的基础，并尝试了多个音频模型，语言模型和特定领域术语的添加来适应领域。结果表明，特定领域的音频模型和语言模型显着提高了 ASR 输出的质量，将错误率从 28.22 降至 17.95，并对下游分析任务有用。

    Apr, 2023

  • 联合国大会辩论挖掘

    该研究旨在利用自然语言处理技术分析联合国大会演讲，提取语义模式、情感分析和主题建模，为政治学家提供全面的数据集和工具，以便他们从中获取国际关系的见解并对全球外交话语有一个细致的理解。

    Jun, 2024

  • 计算语言学中的 XAI：理解斯洛文尼亚议会中的政治倾向

    本文的研究主要是关于使用机器学习预测政治倾向，并采用 Slovenian 议会的演讲记录，通过传统的机器学习和转换语言模型对左右倾向进行预测，并运用可解释性技术识别关键字短语来解释决策。

    May, 2023

  • SpeechMatrix: 大规模挖掘的多语音言翻译语料库

    本文介绍了一个用于多语言演讲语音翻译研究的大规模多语言语音语料库 SpeechMatrix，并建立了基于演讲记录的平行语音翻译模型，探讨了少有的多语言语音翻译问题和一些基于模型先训练和混合专家使用的解决方案。

    Nov, 2022