مدل سازی گفتمان سیاسی به عنوان یک سیگنال زمانی با ابعاد بالا، تحلیلی مقایسهای از روش های لغتنامه محور و مدل های زبانی: بزرگ مورد مطالعه ترامپ در توییتر

در این پژوهش گفتمان سیاسی در شبکه اجتماعی توییتر با رویکردی داده محور و مبتنی بر هوش مصنوعی مورد بررسی قرار گرفته است. داده های مورد استفاده شامل توییت های منتشر شده توسط دونالد ترامپ در بازه زمانی ۲۰۱۰ تا ۲۰۲۰ و همچنین داده های مرتبط با رقابت انتخابات ریاست جمهوری ایالات متحده در سال ۲۰۱۶ است. هدف اصلی این، مطالعه مدلسازی گفتار سیاسی به عنوان یک سیگنال زمانی متنی با ابعاد بالا و ارزیابی توان روش های مختلف تحلیل زبان طبیعی در استخراج الگوهای احساسی و گفتمانی از داده های واقعی است. برای این منظور دو رویکرد متفاوت به کار گرفته شد: یک روش لغتنامه محور کلاسیک مبتنی بر برنامه نویسی در پایتون و یک مدل زبانی پیشرفته مبتنی بر هوش مصنوعی که با استفاده از پرامیت به تحلیل متون می پردازد. نتایج مقایسهای نشان می دهد که اگرچه هر دو روش قادر به شناسایی روندهای کلی گفتمان هستند، مدل های زبانی بزرگ عملکرد بهتری در تشخیص الگوهای وابسته به زمینه، تغییرات غیر ایستا و شدت احساسی متن دارند. یافته های این پژوهش نشان می دهد که ترکیب تحلیل داده های زمانی و مدل های هوش مصنوعی زبانی می تواند چارچوبی کارآمد برای تحلیل داده های اجتماعی پیچیده فراهم کند و امکان ارزیابی عملی الگوریتم های NLP در شرایط واقعی را مهیا سازد.

کلیدواژه ها:

تحلیل گفتمان سیاسی ، تحلیل داده های شبکه های اجتماعی ، پردازش زبان طبیعی ، مدل های زبانی بزرگ ، تحلیل احساسات ، مدلسازی زمانی ، داده های با ابعاد بالا ، الگوهای غیر ایستا ، تحلیل داده محور