Dataset of Brazilian Federal Senate Session Transcriptions From 2023 with Relevant Topics and Stance Detection Annotations.

[pt-BR] Conjunto de dados de transcrições de sessões do Senado Federal brasileiro de 2023 com anotações de tópicos relevantes e de deteção de posicionamento.

Dataset description

This set contains transcript data from 203 Federal Senate sessions from the year 2023, with annotations of relevant topics and positioning detection.

The file meetings.csv has the following structure:

session_id: Unique event identifierspeaker_name: Name of the person who gave the speechparty: Political partyspeech: Speech given

The folder ground_truth.zip contains 6 JSON annotation files related to the detection of relevant topics and positions, and its main keys are the following:

id_session: Unique event identifier

response: Model response     list_latent_topics: List of latent topics considered by the model     stances: The stances of each person, according to the model, on a given topicmodel_response_evaluation: Evaluation of the model's response according to a human annotation    mapping: Mapping between the topic named by the model and the topic named in the annotation    list_latent_topics: It contains four keys which are the lists of topics considered true positives, false positives, true negatives and false negatives.

Code used

All the code used to process the data can be found at:

https://github.com/helenbc/tcc-notas-taquigraficas

[pt-BR] Descrição do conjunto de dados

Este conjunto contém dados de transcrição de 203 sessões do Senado Federal do ano de 2023, com anotações de tópicos relevantes e detecção de posicionamento.

O arquivo meetings.csv possui a seguinte estrutura:

session_id: Identificador único do evento 

speaker_name: Nome da pessoa que fez o discurso 

party: Partido político

speech: Discurso proferido

A pasta ground_truth.zip contém 6 arquivos de anotação JSON relacionados à detecção de tópicos relevantes e posições, e suas principais chaves são as seguintes:

id_session: Identificador único do evento

response: Resposta do modelo

    list_latent_topics: Lista de tópicos latentes considerados pelo modelo

    stances: As posições de cada pessoa, de acordo com o modelo, sobre um determinado tópico

model_response_evaluation: Avaliação da resposta do modelo de acordo com uma anotação humana

    mapping: Mapeamento entre o tópico nomeado pelo modelo e o tópico nomeado na anotação

    list_latent_topics: Contém quatro chaves que são as listas de tópicos considerados verdadeiros positivos, falsos positivos, verdadeiros negativos e falsos negativos.

Código utilizado

Todo o código utilizado para processar os dados pode ser encontrado em:

https://github.com/helenbc/tcc-notas-taquigraficas