0


探索希腊议会全体会议的政治议程

Exploring the Political Agenda of the Greek Parliament Plenary Sessions
课程网址: http://videolectures.net/parlaCLARIN2018_pontiki_political_agenda...  
主讲教师: Maria Pontiki
开课单位: 语言和语音处理研究所
开课时间: 2018-05-30
课程语种: 英语
中文简介:
在本文中,我们介绍了在自然语言处理和文本挖掘方法的背景下希腊议会数据的主要内容分析结果。将过去26年的希腊议会全体会议的原始会议记录进行处理,并转换为结构化的机器可读格式,然后使用主题建模技术根据对内容的分析进行聚类。受格林和格罗斯(Greene and Gross,2017)为欧洲议会工作的启发和遵循,我们采用两层方法在非负矩阵分解框架中将主题建模应用于带有时间戳记的政治演讲语料库,以探索动态主题。以各种方式(按主题,按时间)将结果可视化,同时提供有关每个国会议员,政党和地区(选区)对每个主题的贡献的信息,并在一定程度上提供探索政治方式的信息。随着时间的推移,希腊的政策议程已经​​形成并不断发展。

在本文中,我们介绍了在自然语言处理和文本挖掘方法的背景下希腊议会数据的主要内容分析结果。将过去26年的希腊议会全体会议的原始会议记录进行处理,并转换为结构化的机器可读格式,然后使用主题建模技术根据对内容的分析进行聚类。受格林和格罗斯(Greene and Gross,2017)为欧洲议会工作的启发和遵循,我们采用了两层方法,将非负矩阵分解框架中的主题建模应用于带有时间戳记的政治演讲语料库,以探索动态主题。以各种方式(按主题,按时间)将结果可视化,同时提供有关每个国会议员,政党和地区(选区)对每个主题的贡献的信息,并在一定程度上提供探索政治方式的信息。随着时间的推移,希腊的政策议程已经​​形成并不断发展。

课程简介: In this paper we present primary content analysis results for the Greek Parliament data in the context of Natural Language Processing and Text Mining approaches. The raw minutes of the Greek Parliament plenary sessions of the last 26 years are processed and transformed into a structured and machine readable format, and then clustered based on the analysis of their content using topic modelling techniques. Inspired by and following the work of Greene and Gross (2017) for the European Parliament, we employ a two-layer methodology for applying topic modelling in a Non-negative Matrix Factorization framework to a timestamped corpus of political speeches in order to explore dynamic topics. The results are visualized in various ways (by topic, by time) providing at the same time information about the contribution of each Parliament Member, political party and region (constituency) to each topic, and by extent, the ability to explore how the political and policy agenda has been shaped and evolved in Greece over time.
关 键 词: 自然语言处理; 希腊议会; 非负矩阵分解框架
课程来源: 视频讲座网
数据采集: 2020-11-21:cjy
最后编审: 2020-11-21:cjy
阅读次数: 60