面向计算语言学与政治分析的希腊议会会议数据集
计算与语言
2022-10-25 v1 人工智能
摘要
政治话语的大型历时性数据集很难获取，尤其是对于希腊语这类资源匮乏的语言。在本文中，我们介绍了一个精心整理的希腊议会会议数据集，其时间跨度从1989年延伸至2020年。该数据集由从5,355个议会记录文件中提取的超过100万篇演讲及其丰富的元数据组成。我们解释了其构建方式以及我们不得不克服的挑战。该数据集可用于计算语言学和政治分析——理想情况下，将二者结合。我们展示了这样一个应用，表明(i)如何使用该数据集研究词用法随时间的变迁，(ii)在重大历史事件与政党之间，(iii)通过评估并采用检测语义漂移的算法。
引用
@article{arxiv.2210.12883,
title = {A Greek Parliament Proceedings Dataset for Computational Linguistics and Political Analysis},
author = {Konstantina Dritsa and Kaiti Thoma and John Pavlopoulos and Panos Louridas},
journal= {arXiv preprint arXiv:2210.12883},
year = {2022}
}
备注
Accepted to the 36th Conference on Neural Information Processing Systems (NeurIPS 2022) Track on Datasets and Benchmarks