[논문 리뷰] Complex Politics: A Quantitative Semantic and Topological Analysis of UK House of Commons Debates

Stefano Gurciullo, Michael J. Smallegan외 9명|arXiv (Cornell University)|2015. 10. 13.

Topological and Geometric Data Analysis참고 문헌 24인용 수 7

한 줄 요약

이 연구는 영국 의회 상원의 40년간의 회의 논의(1975–2014)에 동적 주제 모델링(DTM)과 위상적 데이터 분석(TDA)을 적용하여 입법 제도 내에서 개인의 의원과 정당이 시간에 따라 일관되게 유지되는 안정적인 역할을 하고 있음을 밝혀냈다. 이 연구는 정치적 유대의 체계적 패턴을 규명하고 비구조화된 언어 데이터를 활용한 정치 역학 모델링의 기반을 마련한다.

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.

연구 동기 및 목표

• 정량적 의미론적 및 위상적 방법을 활용해 영국 의회 상원 내 체계적 패턴을 탐색하는 것.
• 개인의 의원과 정당이 입법 제도 내에서 시간에 따라 일관되게 식별 가능한 역할을 하는지 조사하는 것.
• 복잡한 입법 기관 내에서 정치적 유대성과 체계적 역학을 평가하기 위한 데이터 기반 프레임워크를 개발하는 것.
• 비구조화된 논의 데이터를 활용해 정치 체계의 복잡한 역학에 대한 새로운 가설을 도출하는 것.
• 향후 감성 분석 및 정치 성공 예측 모델링 통합을 위한 기반을 마련하는 것.

제안 방법

• 1975~2014년 동안의 37개 의회 세션에 걸쳐 정책 주제의 변화를 모델링하기 위해 동적 주제 모델링(DTM)이 적용되었다.
• 정치적 논의의 구조를 맵핑하기 위해 위상적 데이터 분석(TDA)이 사용되었으며, 논의의 의미 공간 내에서 지속적인 패턴을 식별하였다.
• DTM의 모델 선택은 12개의 시간 분할 데이터 세트에서 5중 교차 검증을 통해 수행되었으며, 최적의 주제 수를 결정하기 위해 로그우도 최대화 기법을 사용하였다.
• 최적의 주제 수는 시간 단위로 나누어진 데이터 세트 12개에서의 중앙값 로그우도와 다수결 규칙을 기반으로 15로 결정되었다.
• 정밀한 주제 추정을 보장하기 위해 R 패키지 'topicmodels'를 활용해 게이블 샘플링을 사용해 LDA 모델을 훈련시켰다.
• DTM 출력 결과에 TDA를 적용하여 변화하는 정치적 논의의 위상적 구조를 시각화하고 분석하였으며, 고리와 빈자리와 같은 지속적인 특징을 포함하였다.

실험 결과

연구 질문

• RQ1 영국 의회 상원에서 정책 주제는 시간에 따라 어떻게 변화하며, 다양한 의회 세션 동안 지배적인 주제들은 무엇인가?
• RQ2 개인의 의원과 정당은 입법 논의의 의미론적 및 위상적 구조 내에서 안정적이고 명확히 구분되는 역할을 하는가?
• RQ3 논의 내용의 위상적 분석을 통해 정치적 유대성 또는 분열의 체계적 패턴을 감지할 수 있는가?
• RQ4 연설의 의미론적 및 위상적 구조는 정치적 행동이나 정당의 역학을 예측할 수 있는가?
• RQ5 비구조화된 입법 논의 데이터는 어떻게 체계적으로 분석되어 숨겨진 정치적 역학을 밝혀내고 정책 평가에 기여할 수 있는가?

주요 결과

• DTM 모델의 최적 주제 수는 12개의 시간 분할 데이터 세트에서 교차 검증과 로그우도 최대화를 통해 15로 결정되었다.
• 개인의 의원과 정당은 논의 네트워크의 의미론적 및 위상적 구조 내에서 일관되고 시간에 따라 안정된 역할을 하고 있다.
• 위상적 데이터 분석은 고리와 빈자리와 같은 지속적인 구조적 특징을 드러내어 정치적 유대성과 이념적 군집화의 체계적 패턴을 시사한다.
• 예비 감성 분석을 통해 스탠포드 감성 트리뱅크를 활용한 결과, 의회 논의에는 강한 부정적 감성 기울임이 존재하는 것으로 확인되었다.
• DTM와 TDA의 통합은 전통적인 정성적 분석으로서는 드러나지 않는 안정적인 정치적 논의 패턴을 식별할 수 있게 하였다.
• 결과는 의미론적 및 위상적 방법을 활용한 정치 주체의 프로파일링과 체계적 기관 역학의 대규모 평가 가능성을 뒷받침한다.