guymorlan/IsraParlTweet

IsraParlTweet数据集是一个包含以色列议会（Knesset）1992年至2023年的希伯来语议会讨论和2008年至2023年议会成员的Twitter帖子的链接语料库，总计2.945亿个希伯来语词汇。数据集分为四个主要部分：议会会议、Twitter帖子、办公室会议和语言分析。议会会议部分包含议员的发言记录，Twitter帖子部分包含议员的推文，办公室会议部分包含议员的任职信息，语言分析部分包含对议会发言的句子分割、词干提取和情感分析。数据集还包含详细的元数据和语言注释，适用于多种定量和定性分析，为以色列政治话语提供了宝贵的见解。

原始信息汇总

数据集概述

数据集名称

IsraParlTweet: The Israeli Parliamentary and Twitter Resource

数据集内容

该数据集包含以下四个主要部分：

1. Knesset Sessions

• 文件名: knesset_speeches.csv
• 内容: 包含以色列议会（Knesset）成员在议会中的发言，共计约4.5M个独立发言。
• 字段:
  • text: 发言文本
  • uuid: 唯一文本标识符
  • knesset: 议会任期
  • session_number: 当前议会任期内的会议编号
  • date: 会议日期
  • person_id: 发言人数字标识符
  • canonical_name: 发言人的标准姓名
  • name: 从议会记录中提取的发言人姓名
  • chair: 是否为会议主席
  • topic: 讨论主题或议程项目
  • topic_extra: 主题的额外信息
  • qa: 是否为问答环节
  • query: 口头回答的书面问题
  • only_read: 是否为阅读而非口头回答的问答环节

2. Twitter Posts

• 访问方式: 需联系作者获取
• 内容: 包含以色列议会成员在Twitter上的帖子，涵盖2008年至2023年。
• 字段:
  • text: 推文文本
  • uuid: 唯一文本标识符
  • tweet_id: Twitter的唯一推文标识符
  • date: 推文日期
  • knesset: 与推文日期对应的议会任期
  • person_id: 推文发布者的数字标识符
  • user_id: Twitter用户ID
  • username: Twitter用户名
  • name: 发布者的标准姓名
  • likes: 收集时获得的点赞数
  • retweets: 收集时获得的转发数
  • replies: 收集时获得的回复数
  • quotes: 收集时获得的引用数

3. Office Sessions

• 文件名: metadata.csv
• 内容: 描述议会成员办公室会议的元数据。
• 字段:
  • start_date: 办公室会议开始日期
  • end_date: 办公室会议结束日期
  • knesset: 相关议会任期
  • person_id: 唯一个人ID
  • first_name: 议会成员的名字
  • surname: 议会成员的姓氏
  • gender: 议会成员的性别
  • faction: 议会成员服务的派系名称
  • faction_id: 派系的唯一标识符
  • party_name: 议会成员服务的统一党派名称
  • dob: 议会成员的出生日期
  • cob: 议会成员的出生国家
  • yod: 议会成员的死亡年份
  • yoi: 议会成员移民至以色列的年份
  • city: 议会成员的居住城市
  • languages: 议会成员的口语语言

4. Linguistic Analyses

• 文件:
  • knesset_sentences.json: 议会发言的句子分割
  • knesset_lemmas.json: 议会发言的词干提取
  • knesset_sentiment: 议会发言的情感预测

数据集语言

希伯来语

数据集标签

• 希伯来语
• 议会
• 以色列议会（Knesset）
• Twitter

数据集许可证

CC BY 4.0