类型a：原创研究学术报告

本研究由日本国立情报学研究所（National Institute of Informatics）的Jinghui Chen、Takayuki Mizuno以及北海道大学（Hokkaido University）的Shohei Doi合作完成，题为《Analyzing Political Party Positions Through Multi-language Twitter Text Embeddings》，于2024年5月30日发表在开放获取期刊《Frontiers in Big Data》（DOI: 10.3389/fdata.2024.1330392）。

学术背景
该研究属于计算社会科学（Computational Social Science）与自然语言处理（NLP）的交叉领域。传统上，政治立场分析依赖于问卷调查或投票记录（如DW-NOMINATE评分），但这些方法存在主观性强或数据维度单一的问题。近年来，词嵌入模型（如Word2Vec）被用于从文本中提取文化维度（如贫富、性别等），但其仅能处理单词级语义，且无法跨语言比较。本研究旨在突破这些限制，提出一种基于多语言句子嵌入（sentence-level embeddings）的新方法，通过社交媒体文本（如Twitter）量化政治立场，并实现跨语言分析。研究目标包括：
1. 将Kozlowski等人提出的“词级文化维度构建方法”扩展至句子级；
2. 利用多语言BERT模型（LaBSE）建立自由-保守主义政治立场维度；
3. 验证该方法在英语（美国）和西班牙语（西班牙）政治文本中的有效性。

研究流程与实验方法
研究分为四个核心步骤：

1. 政策数据集构建

   • 数据来源：从美国民主党和共和党官网获取政党纲领文件，通过ChatGPT生成50对立场对立的政策陈述（如“支持全民医保”vs.“反对政府干预医疗”）。
     
   • 创新点：首次利用生成式AI自动化构建对立政策库，避免了人工选择偏见。
     

2. 多语言文本嵌入与政治维度定义

   • 模型选择：采用Google开发的LaBSE模型（Language-agnostic BERT Sentence Embedding），其基于BERT架构，支持109种语言的句子嵌入映射到统一向量空间。
     
   • 维度计算：通过公式 ( p_x = \frac{\sum_n r_n - \sum_n m_n}{q} ) 定义自由-保守主义维度，其中 ( r_n ) 和 ( m_n ) 分别为共和党与民主党政策句子的嵌入向量，( q ) 为政策对数（50对）。
     
   • 对比基线：传统Word2Vec方法使用6对反义词（如“liberal/conservative”）构建词级维度，并通过TF-IDF加权生成推文向量。
     

3. 政治推文数据采集与处理

   • 美国数据集：从Hugging Face获取“senator-tweets”数据集（99名参议员2021年的99,693条推文），过滤转发内容并预处理文本（去除标点、URL等）。
     
   • 西班牙数据集：通过Twitter API收集西班牙议员2021年原创推文，筛选发布量＞100条的账号，确保数据代表性。
     

4. 主题建模与跨语言验证

   • LDA（Latent Dirichlet Allocation）分析：对美国推文进行100主题建模，提取关键议题（如“COVID-19救济”“教育平等”），计算议员在各议题上的立场得分。
     
   • 跨语言投影：将西班牙议员推文嵌入投影至美国自由-保守主义维度，分析两国政治光谱的相似性。
     

主要结果
1. 句子级模型显著优于词级模型
- LaBSE方法与美国议员DW-NOMINATE基准数据的皮尔逊相关系数达0.73（p<0.001），而Word2Vec仅为0.39（p<0.001），证明句子嵌入能更准确捕捉政治立场。
- 核密度曲线显示，民主党议员集中分布于自由端（均值-1），共和党集中于保守端（均值1），极化现象明显（图1）。

1. 议题内部分歧揭示政治复杂性

   • LDA发现议员在同一政党内对具体议题立场存在差异。例如：
     
     • COVID-19救济：民主党议员Brian Schatz强烈支持联邦援助（得分-1.2），而共和党议员Dan Sullivan反对“过度支出”（得分1.4）（图3）。
       
     • 教育政策：共和党议员Tom Cotton主张“禁止校园手机”（得分0.8），与党内多数立场偏离（图5）。
       

2. 跨语言有效性验证

   • 西班牙议员在美式自由-保守维度上呈现右倾分布（>0），与西班牙政治极化现实（如极右翼Vox党崛起）一致（图6），表明LaBSE可跨语言映射意识形态。
     

结论与价值
1. 方法论贡献：首次将文化维度分析从词级扩展至句子级，并整合多语言能力，为跨文化政治研究提供新工具。
2. 应用价值：可实时监测社交媒体政治倾向，辅助政策制定或舆情分析。例如，通过LDA识别议员关注议题差异，助力精准游说。
3. 科学意义：证实政治立场可通过高维语义空间量化，且语言非障碍，挑战了传统意识形态测量的二元简化假设。

研究亮点
- 技术新颖性：结合LaBSE与LDA，实现“宏观维度+微观议题”双层次分析。
- 数据创新：利用ChatGPT自动化构建政策对立库，提升研究可重复性。
- 跨学科融合：将NLP前沿模型（如Transformer）引入政治学，推动计算社会科学方法论发展。

其他价值
研究开源了美国议员推文数据集（Hugging Face），并呼吁未来纳入更多语种（如中文）验证普适性。局限性在于推特用户的选择性发声可能导致立场偏差，需结合其他数据源（如演讲记录）增强鲁棒性。