A Greek Parliament Proceedings Dataset for Computational Linguistics and Political Analysis

很难找到大型的历时性政治话语数据集，尤其是对于资源贫乏的语言，例如g。在本文中，我们介绍了希腊议会程序的精选数据集，该数据集按时间顺序1989年2020年扩展。它由从5,355的议会记录文件中提取的100万多个具有广泛元数据的演讲组成。我们解释了它是如何构建的，以及我们必须克服的挑战。该数据集可用于计算语言学和政治分析-理想情况下，将两者结合起来。我们提出了这样一个应用程序，显示了 (i) 如何使用数据集来研究单词使用随时间的变化，(ii) 重大历史事件和政党之间的变化，(iii) 通过评估和使用用于检测语义转移的算法。