Classifying topics and detecting topic shifts in political manifestos


Zirn, Cäcilia ; Glavaš, Goran ; Nanni, Federico ; Eichorts, Jason ; Stuckenschmidt, Heiner


[img]
Vorschau
PDF
classyman.pdf - Veröffentlichte Version

Download (236kB)

URL: https://ub-madoc.bib.uni-mannheim.de/41552
Weitere URL: http://takelab.fer.hr/poltext2016/PolText2016-proc...
URN: urn:nbn:de:bsz:180-madoc-415521
Dokumenttyp: Konferenzveröffentlichung
Erscheinungsjahr: 2016
Buchtitel: PolText 2016 : The International Conference on the Advances in Computational Analysis of Political Text : proceedings of the conference : sponsored by the European Social Fund, Operational Programme Efficient Human Resources 2014–2020
Seitenbereich: 88-93
Veranstaltungstitel: International Conference on the Advances in Computational Analysis of Political Text
Veranstaltungsort: Dubrovnik, Croatia
Veranstaltungsdatum: 14-16 July 2016
Herausgeber: Širinić, Daniela
Ort der Veröffentlichung: Zagreb
Verlag: University of Zagreb
ISBN: 978-953-6457-92-2 , 978-953-184-220-4
Sprache der Veröffentlichung: Englisch
Einrichtung: Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Practical Computer Science II: Artificial Intelligence (Stuckenschmidt 2009-)
Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Semantic Web (Juniorprofessur) (Ponzetto 2013-2015)
Fachgebiet: 004 Informatik
Abstract: General political topics, like social security and foreign affairs, recur in electoral manifestos across countries. The Comparative Manifesto Project collects and manually codes manifestos of political parties from all around the world, detecting political topics at sentence level. Since manual coding is time-consuming and allows for annotation inconsistencies, in this work we present an automated approach to topical coding of political manifestos. We first train three independent sentence-level classifiers – one for detecting the topic and two for detecting topic shifts – and then globally optimize their predictions using a Markov Logic network. Experimental results show that the proposed global model achieves high classification performance and significantly outperforms the local sentence-level topic classifier.
Zusätzliche Informationen: Online-Ressource




Dieser Eintrag ist Teil der Universitätsbibliographie.

Das Dokument wird vom Publikationsserver der Universitätsbibliothek Mannheim bereitgestellt.




Metadaten-Export


Zitation


+ Suche Autoren in

+ Download-Statistik

Downloads im letzten Jahr

Detaillierte Angaben



Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail


Actions (login required)

Eintrag anzeigen Eintrag anzeigen