strombergnlp/polstance

该数据集名为polstance，主要用于丹麦语的政治立场分析。数据集包含丹麦政治家的声明，每条声明都标注了对于特定话题的立场（反对、中立或支持）。数据来源于丹麦议会的会议记录，由丹麦母语者进行标注。数据集的结构包括ID、话题、引用、标签、引用ID、政党名称和政治家姓名等字段。数据集的总大小为770 KB，包含900个句子。

This dataset is named polstance, which is primarily used for Danish political stance analysis. It contains statements from Danish politicians, with each statement annotated with its stance (oppose, neutral, or support) towards a specific topic. The data is sourced from Danish parliamentary meeting transcripts and annotated by native Danish speakers. The dataset includes fields such as ID, topic, citation, label, citation ID, political party name, and politician's name. The total size of the dataset is 770 KB, and it contains 900 sentences.

原始信息汇总

数据集概述

数据集名称

• 名称: Political Stance for Danish
• 简称: polstance

数据集属性

• 语言: 丹麦语 (da-DK)
• 许可证: CC-BY-4.0
• 多语言性: 单语种
• 大小类别: 小于1千条
• 源数据集: 原始数据
• 任务类别: 文本分类
• 任务ID: 情感分析
• 标签: 立场检测

数据集结构

• 数据实例: 包含900个训练样本
• 数据字段:
  • id: 字符串
  • topic: 字符串
  • quote: 字符串
  • label: 整数，表示立场（0: "against", 1: "neutral", 2: "for"）
  • quoteID: 字符串
  • party: 字符串
  • politician: 字符串

数据集创建

• 采集理由: 收集政治家的言论以分析其对特定议题的立场
• 源数据: 来自丹麦议会的记录
• 标注过程: 由丹麦母语者标注，标记为支持、中立或反对
• 标注者: 丹麦男性，20多岁，软件设计专业学生

使用数据注意事项

• 许可证: 数据集遵循CC-BY-4.0许可证

• 引用信息:

  @inproceedings{lehmann2019political, title={Political Stance in Danish}, author={Lehmann, Rasmus and Derczynski, Leon}, booktitle={Proceedings of the 22nd Nordic Conference on Computational Linguistics}, pages={197--207}, year={2019} }

搜集汇总

数据集介绍

构建方式

在政治话语分析领域，立场检测（stance detection）对于理解公众舆论与政策制定至关重要。PolStance数据集源自丹麦议会（Folketing）的公开会议记录，通过系统采集政治人物的言论构建而成。数据收集后，由精通丹麦语的专家注释员依据预设主题，对每条引文进行“支持”、“反对”或“中立”三类立场标注。注释团队由丹麦本土男性软件设计专业学生组成，年龄在20岁左右，确保了标注的专业性与语言文化背景的契合。最终数据集包含900条经人工验证的语句，覆盖多个政治议题，并以结构化JSON格式存储，每条记录包含引文文本、所属政党、发言人及立场标签等字段。

特点

该数据集在规模上虽仅有900条样本，却展现出高度的专业性与领域聚焦性。其核心特点在于紧密围绕丹麦政治语境，引文均源自真实议会辩论，具有天然的生态效度。每条数据不仅标注了立场，还附带了政党归属与发言人身份，为多维度分析提供了可能。标签体系简洁明确（0:反对、1:中立、2:支持），降低了分类歧义。此外，数据集采用CC-BY 4.0许可协议开放共享，促进了可重复研究与跨语言对比。作为丹麦语政治立场检测的基准资源，它填补了低资源语言在该任务上的空白。

使用方法

PolStance数据集主要面向文本分类任务，特别是立场检测与情感分析。使用者可直接通过Hugging Face的datasets库加载，调用`load_dataset('strombergnlp/polstance')`即可获取训练数据。数据以默认的'train'分割形式提供，包含'id'、'topic'、'quote'、'label'等字段。推荐将'quote'作为输入特征，'label'作为预测目标，构建监督学习模型。由于数据集较小，适合用于微调预训练语言模型（如BERT的丹麦语变体）或作为迁移学习的评估集。研究者亦可利用'party'和'politician'字段探索政治立场与党派倾向的关联分析。

背景与挑战

背景概述

在自然语言处理与计算社会科学交叉领域，政治立场检测（Stance Detection）作为一项关键任务，旨在自动识别文本中针对特定议题所表达的赞成、反对或中立态度。该任务对于理解公共舆论、分析政治话语以及监测社会极化现象具有重要价值。由Rasmus Lehmann和Leon Derczynski于2019年创建的Polstance数据集，聚焦于丹麦语政治语料，从丹麦议会（Folketing）会议记录中提取了900条政治家言论，并由专家标注其对特定议题的立场。这一开创性工作不仅为低资源语言——丹麦语提供了首个立场检测基准，还推动了北欧语种在政治文本分析领域的研究进展，为跨语言立场检测研究奠定了重要基础。

当前挑战

Polstance数据集所面临的核心挑战体现在多个层面。首先，在领域问题层面，立场检测任务本身具有高度语境依赖性，同一表述在不同议题下可能呈现迥异的立场倾向，且政治语言常蕴含隐含态度与反讽，使得模型难以准确捕捉细微的语义差异。其次，在数据集构建过程中，数据规模仅900条样本，远小于主流语言（如英语）的同类数据集，导致模型训练面临严重的稀疏性问题。此外，标注者群体均为20岁左右的丹麦语母语男性软件设计学生，这种单一的人口统计学背景可能引入性别、年龄与专业视角的偏差，影响标注的客观性与代表性。最后，议会语料的正式性与日常政治话语的多样性之间存在鸿沟，限制了数据集在更广泛社交媒体场景下的泛化能力。

常用场景

经典使用场景

Polstance数据集专为丹麦语政治立场检测任务而构建，其核心应用场景在于对政治人物言论进行立场分类，即判断某一引述针对特定议题（如移民、经济等）是持支持、反对还是中立态度。该数据集由丹麦议会（Folketing）的会议记录中提取的900条真实政治引述构成，每条数据均标注了议题、政党归属及议员姓名，为研究者提供了细粒度的立场分析基准。经典用法包括训练和评估文本分类模型，以自动识别政治话语中的立场倾向，尤其适用于小语种场景下的监督学习范式。

解决学术问题

该数据集着力解决了低资源语言中政治立场检测的学术困境。长期以来，立场检测研究多集中于英语等资源丰富语言，而丹麦语等小语种因缺乏标注语料而进展缓慢。Polstance通过专家标注构建了首个丹麦语政治立场数据集，填补了该领域的空白。它使得研究者能够量化评估跨语言立场检测方法的泛化能力，探究议题与立场之间的语义关联，并分析政党立场分布模式。此数据集为计算社会科学中的政治话语分析提供了关键基准，推动了多语言自然语言处理技术的公平性发展。

衍生相关工作

Polstance的发布催生了一系列相关工作。其原始论文《Political Stance in Danish》首次系统性地定义了丹麦语立场检测任务，并提供了基于SVM和神经网络的基准模型。后续研究者基于此数据集探索了跨语言立场迁移学习，如利用多语言BERT模型进行零样本立场分类。此外，该数据集被整合至丹麦语NLP工具包中，推动了北欧语言政治文本分析的标准化。近年来，有工作将其与多模态数据（如议会视频）结合，拓展至多模态立场检测领域，进一步丰富了政治话语计算的研究范式。