Classifying topics and detecting topic shifts in political manifestos
Zirn, Cäcilia
;
Glavaš, Goran
;
Nanni, Federico
;
Eichorts, Jason
;
Stuckenschmidt, Heiner
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. |
Suche Autoren in
BASE:
Zirn, Cäcilia
;
Glavaš, Goran
;
Nanni, Federico
;
Eichorts, Jason
;
Stuckenschmidt, Heiner
Google Scholar:
Zirn, Cäcilia
;
Glavaš, Goran
;
Nanni, Federico
;
Eichorts, Jason
;
Stuckenschmidt, Heiner
ORCID:
Zirn, Cäcilia, Glavaš, Goran, Nanni, Federico ORCID: https://orcid.org/0000-0003-2484-4331, Eichorts, Jason and Stuckenschmidt, Heiner ORCID: https://orcid.org/0000-0002-0209-3859
Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail
Actions (login required)
|
Eintrag anzeigen |
|
|