Machine Learning and Statistical Approaches to Measuring Similarity of Political Parties

要約

政党システムを計量的な政策空間にマッピングすることは、政治学の主要な方法論的問題の一つである。現在、ほとんどの政治学プロジェクトにおいて、このタスクは、主観性と労働集約性のすべての付随する問題を伴う、純粋に定性的な評価に頼って、ドメイン専門家によって実行されている。我々は、この問題を解決するために、大規模な変換器ベースの言語モデルを含む自然言語処理の進歩がどのように適用できるかを検討する。また、政党の政治プログラムにいくつかのテキストの類似性尺度を適用し、相互の相関を分析し、満足なベンチマークがない場合には、専門家調査、投票記録、選挙パターン、候補者ネットワークに基づく尺度など、他の尺度との比較評価を行う。最後に、専門家の判断を修正し、補足し、最終的には代替するために、これらの手法に頼ることの可能性を検討する。

要約(オリジナル)

Mapping political party systems to metric policy spaces is one of the major methodological problems in political science. At present, in most political science project this task is performed by domain experts relying on purely qualitative assessments, with all the attendant problems of subjectivity and labor intensiveness. We consider how advances in natural language processing, including large transformer-based language models, can be applied to solve that issue. We apply a number of texts similarity measures to party political programs, analyze how they correlate with each other, and — in the absence of a satisfactory benchmark — evaluate them against other measures, including those based on expert surveys, voting records, electoral patterns, and candidate networks. Finally, we consider the prospects of relying on those methods to correct, supplement, and eventually replace expert judgments.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL