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。

Large diachronic political discourse datasets are scarce, especially for low-resource languages such as Greek. In this paper, we introduce a curated dataset of Greek parliamentary proceedings, spanning the period from 1989 to 2020 in chronological order. It comprises over 1 million speeches with comprehensive metadata extracted from 5,355 parliamentary record files. We elaborate on its construction process and the challenges we encountered. This dataset can be utilized in computational linguistics and political analysis, ideally combining the two fields. We present a corresponding application that demonstrates: (i) how to use the dataset to investigate temporal changes in word usage, (ii) shifts associated with major historical events and political parties, and (iii) semantic shift detection through evaluating and applying relevant algorithms.

搜集汇总

背景与挑战

背景概述

该数据集是一个希腊议会程序的精选资源，覆盖1989年至2020年，包含从5,355个文件中提取的100多万条演讲及其元数据，适用于计算语言学和政治分析。它由雅典经济与商业大学和斯德哥尔摩大学于2022年发布，旨在支持历时性话语研究。