介绍了 IsraParlTweet，这是一份包括以色列议会（Knesset）在 1992 年至 2023 年期间的希伯来语议会讨论和议员在 2008 年至 2023 年期间发表的 Twitter 帖子的链接语料库，总共包含了 2.945 亿个希伯来语令牌。除了原始文本外，该语料库还包含有关发言者和议会会议的全面元数据以及几个语言注释，因此可以用于进行各种数量和质量的分析，为以色列的政治话语提供有价值的洞察。

May, 2024

通过 NLP 管道对政治沟通领域的历史文本进行各种任务的大规模语料库使用，我们介绍了德国议会语料库（GerParCor），该语料库包含德语议会记录文本从三个世纪到四个国家的国家和联邦级别的数据，同时也包含通过 OCR 过程转换的凯尔特字提案。

Apr, 2022

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

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

本文介绍一种用于处理法律文档的语料库以及基于该语料库训练的模型，可自动预测法律文档中的修辞角色，进而提高摘要和法律判决预测的性能，并在本文中发布了此语料库和基线模型代码。

Jan, 2022

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。

Jul, 2022

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

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

介绍了剑桥法律语料库（CLC），这是一个用于法律人工智能研究的语料库。该语料库包括超过 25 万个来自英国的法庭判例，涵盖了从 16 世纪至 21 世纪的案件。该论文介绍了该语料库的第一个版本，并提供 638 个案例的案件结果注释，以作为使用 GPT-3、GPT-4 和 RoBERTa 模型进行案件结果提取的基准。该论文还包括了广泛的法律和伦理讨论，以解决这一材料可能具有的敏感性。因此，该语料库仅在特定限制下释放供研究目的使用。

Sep, 2023

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