【香樟推文2116】来自社交媒体的文本数据如何应用：一个基于推特的政客-民众动态代表模型

文章预览

图片信息 ： 百度搜索 原文信息 ： Schöll N, Gallego A, Le Mens G. Politician-Citizen Interactions and Dynamic Representation: Evidence from Twitter[J]. 2021. 当机器学习遇上计量，两者如何结合能够 达到1+1＞2的效果 ？一个可行的方式是利用机器学习算法处理非数值数据（如文本、图像等），创造出以往难以获得的新的研 究变 量。本文将为大家介绍一篇庞培法布拉大学最新的工作论文， 该文通过Google于2018年研发的BERT算法处理 推特文本数据，成功刻画了政客和民众之间不平衡的动态互动最终引发政治极端化的过程。 01 引言 为了更好的对舆情做出回应以获得晋升，政客常常需要追踪民众偏好、感知舆情变化并相应调整个人行为。一大批文献已经证明：公共政策对舆情相当敏感，政客也会选择 ………………………………