[論文レビュー] Scaling Text with the Class Affinity Model

Patrick O. Perry, Kenneth Benoit|arXiv (Cornell University)|Oct 24, 2017

Authorship Attribution and Profiling被引用数 5

ひとこと要約

本論文は、離散的カテゴリーへの分類ではなく、'政府'と'反対'の間の連続的スペクトルにおける潜在的イデオロギー的立場を推定する確率的テキストスケーリングフレームワーク、クラスアフィニティモデルを提案する。単語レベルでの極端な相関関係をモデル化し、文単位のブロックブートストラップを用いて不確実性を定量化することで、特に後藤議員と党首の間で、投票行動や党派所属に現れないより洗練されたイデオロギー的差異がアイルランドDáil議員の間で明らかになる。

ABSTRACT

Probabilistic methods for classifying text form a rich tradition in machine learning and natural language processing. For many important problems, however, class prediction is uninteresting because the class is known, and instead the focus shifts to estimating latent quantities related to the text, such as affect or ideology. We focus on one such problem of interest, estimating the ideological positions of 55 Irish legislators in the 1991 Dáil confidence vote. To solve the Dáil scaling problem and others like it, we develop a text modeling framework that allows actors to take latent positions on a "gray" spectrum between "black" and "white" polar opposites. We are able to validate results from this model by measuring the influences exhibited by individual words, and we are able to quantify the uncertainty in the scaling estimates by using a sentence-level block bootstrap. Applying our method to the Dáil debate, we are able to scale the legislators between extreme pro-government and pro-opposition in a way that reveals nuances in their speeches not captured by their votes or party affiliations.

研究の動機と目的

• 伝統的な政治科学におけるテキスト分類の限界、すなわち分類ラベル（例：党派や投票）が既知でありながら情報量が少ないという問題に対処し、発言文書から潜在的イデオロギー的立場を推定することに焦点を当てる。
• 離散的クラス所属ではなく、'政府'と'反対'の間の連続的潜在的特徴としてイデオロギー的立場をモデル化すること。
• 高い党派統制がある状況下でも、リーダーシップ発言などのアンカーテキストを用いた教師あり学習を活用して、個々の議員発言の意味的なスケーリングを可能にする手法を開発すること。
• 文単位のブロックブートストラップを用いて、スケーリング推定値の不確実性を定量化し、モデルの頑健性と解釈可能性を向上させること。
• 1991年アイルランドDáil議会討論の専門家による政治的知識と整合性を確認するため、語の影響力分析を通じてモデルの妥当性を検証すること。

提案手法

• モデルはナイーブベイズにインspiredされた確率的フレームワークを用い、基準発言における共起パターンに基づいて、各単語が'政府'または'反対'に対して持つ潜在的アフィニティスコアを割り当てる。
• 発言者のイデオロギー的立場は、発言内で単語がどれだけ頻出しているかおよびその分布に基づいて導かれる重み付き平均として推定される。
• 推定されたスケーリング立場の不確実性を定量化するために、文単位のブロックブートストラップをモデルに組み込む。
• 語の影響力を、発言者の推定立場がどの程度変化するかを測定することで評価し、モデルの適合度の検証を可能にする。
• モデルは1991年アイルランドDáil議会討論の発言に適用され、リーダーシップ発言をアンカーとして、後藤議員のスケーリングを補正する。
• モデルの単純さのおかげで、解析的取り扱いが可能となり、語彙ベースのスケーリングやWordscoresといった既存手法との接続が可能になる。

実験結果

リサーチクエスチョン

• RQ1 議員の投票行動が党派所属によって完全に予測可能である場合、どのようにしてその議員の発言から潜在的イデオロギー的立場を推定できるか？
• RQ2 テキストそのものだけで、党派ラベルや投票に捉えきれない、議員間の洗練されたイデオロギー的差異をどの程度明らかにできるか？
• RQ3 リサンプリング手法を用いて、個々の発言者のイデオロギー的スケーリング推定値の不確実性をどの程度定量化できるか？
• RQ4 どの語が発言者の推定イデオロギー的立場に最も強く影響を与えるか？そして、それらは政治的専門家知識と整合するか？
• RQ5 政治的極性用の事前辞書が存在しない文脈において、クラスアフィニティモデルは従来の語彙ベースのスケーリングを上回る性能を示せるか？

主な発見

• クラスアフィニティモデルは、55名のアイルランドDáil議員の連続的イデオロギー的立場を成功裏に推定し、同じ党に属する者間でも政府寄り・反対寄りのアフィニティに顕著な差が生じていることを明らかにした。
• Fianna Fáilの後藤議員は、党首に比べて政府寄りのアフィニティが低く、発言においてより批判的または中立的立場を取っていることが示された。
• Fianna Fáilの後藤議員3名（Nolan, Cullimore, Cowan）は極端に高い政府寄りスコアを示し、Cowanは後にTaoiseadに就任したため、党首と一致する立場を取っていたと示唆された。
• 反対側では、Fine GaelのGarret FitzGerald氏とPeter Barry氏は、政府に対する強い経済的批判を示しており、道徳的非難ではなく政策的反対を反映していた。
• LabourのTDであるPat Rabbitte氏は、最高の反対寄りアフィニティを示し、Taoiseachに対する個人攻撃を含む発言をしたため、専門家による政治的分析と整合的であった。
• モデルの語の影響力分析により、腐敗、パフォーマンス、人物性に関連する語がイデオロギー的スケーリングの主な駆動要因であることが確認され、モデルの解釈可能性が裏付けられた。