[論文レビュー] Complex Politics: A Quantitative Semantic and Topological Analysis of UK House of Commons Debates

Stefano Gurciullo, Michael J. Smallegan+9 more|arXiv (Cornell University)|Oct 13, 2015

Topological and Geometric Data Analysis参考文献 24被引用数 7

ひとこと要約

本研究では、1975年から2014年までの40年にわたるイギリス下院討論会議録に動的トピックモデリング（DTM）とトポロジカルデータ解析（TDA）を適用し、立法制度内における個々の議員および政党の安定的かつ時間的に一貫した役割を明らかにした。政治的結束のシステム的パターンを特定し、非構造化された発言データを用いた政治的ダイナミクスのモデリングの基盤を提供した。

ABSTRACT

This study is a first, exploratory attempt to use quantitative semantics techniques and topological analysis to analyze systemic patterns arising in a complex political system. In particular, we use a rich data set covering all speeches and debates in the UK House of Commons between 1975 and 2014. By the use of dynamic topic modeling (DTM) and topological data analysis (TDA) we show that both members and parties feature specific roles within the system, consistent over time, and extract global patterns indicating levels of political cohesion. Our results provide a wide array of novel hypotheses about the complex dynamics of political systems, with valuable policy applications.

研究の動機と目的

• 定量的意味解析およびトポロジカル手法を用いて、イギリス下院におけるシステム的パターンを探索すること。
• 個々の議員および政党が立法制度内において時間的に一貫した、識別可能な役割を果たしているかどうかを調査すること。
• 複雑な立法機関における政治的結束とシステム的ダイナミクスを評価するデータ駆動型フレームワークを構築すること。
• 非構造化された討論データを用いて、政治的システムの複雑なダイナミクスに関する新たな仮説を生成すること。
• 感情分析および政治的成功の予測モデリングの今後の統合の基盤を築くこと。

提案手法

• 1975年から2014年までの37回の議会会議を対象に、動的トピックモデリング（DTM）を用いて政策トピックの時間的変化をモデル化した。
• トポロジカルデータ解析（TDA）を用いて、討論の意味的空間における構造をマッピングし、恒久的なパターンを同定した。
• DTMのモデル選択は、12個の時間スライスに分けたデータセットを用いた5分割交差検証により実施され、最適なトピック数の決定には対数尤度の最大化が用いられた。
• 最適なトピック数は15と特定され、12個のデータセットにおける中央値の対数尤度と多数決ルールに基づいた分析結果に基づいた。
• Rパッケージ「topicmodels」を用いたギブスサンプリングにより、LDAモデルを訓練し、トピック推定の信頼性を確保した。
• DTMの出力をもとにTDAを適用し、進化する政治的討論のトポロジカル構造を可視化・分析した。これには、ループやボイドといった恒久的特徴が含まれる。

実験結果

リサーチクエスチョン

• RQ1 イギリス下院における政策トピックはどのように時間的に変化し、異なる議会会議において支配的なテーマは何であるか？
• RQ2 個々の議員および政党は、立法議論の意味的・トポロジカル構造内で安定的かつ明確に区別できる役割を果たしているか？
• RQ3 討論内容のトポロジカル解析により、政治的結束または分断のシステム的パターンを検出できるか？
• RQ4 発言の意味的およびトポロジカル構造は、政治的行動や政党のダイナミクスを予測できるか？
• RQ5 非構造化された立法議論データを体系的に分析することで、潜在的な政治的ダイナミクスを解明し、政策評価に活かすことは可能か？

主な発見

• DTMモデルにおける最適なトピック数は15であり、12個の時間スライスデータセットにおける交差検証と対数尤度の最大化に基づいて決定された。
• 個々の議員および政党は、議論ネットワークの意味的・トポロジカル構造内で一貫した、時間的に安定した役割を果たしている。
• トポロジカルデータ解析により、政治的結束やイデオロギー的クラスタリングを示す恒久的な構造的特徴（例えばループやボイド）が明らかになった。
• 予備的な感情分析（スタンフォード感情ツリー銀行を用いて実施）により、下院討論には強い否定的感情のバイアスがあることが判明した。
• DTMとTDAの統合により、従来の定性的分析では明らかにならなかった、安定した政治的討論パターンの同定が可能になった。
• 結果は、意味的およびトポロジカル手法を用いた政治的エージェントのプロファイリングと、大規模な制度的ダイナミクスの評価の可能性を裏付けた。