کاربرد پردازش زبان طبیعی در تحلیل سیاست های عمومی: رویکردی مبتنی بر هوش مصنوعی

گسترش شبکه های اجتماعی، رسانه های دیجیتال و اسناد الکترونیکی موجب تولید حجم عظیمی از داده های متنی در حوزه سیاست و حکمرانی شده است. تحلیل این داده ها با روش های سنتی، به دلیل حجم بالا و تغییرات سریع اطلاعات، با محدودیت های جدی مواجه است. در سال های اخیر، پیشرفت های حوزه هوش مصنوعی و پردازش زبان طبیعی امکان تحلیل خودکار متون سیاسی و سیاستی را فراهم کرده است. هدف این پژوهش بررسی کاربرد روش های پردازش زبان طبیعی در تحلیل سیاست های عمومی و ارائه یک چارچوب مبتنی بر یادگیری ماشین برای استخراج اطلاعات از متون سیاسی است. در این پژوهش، داده های متنی از منابعی نظیر اخبار، شبکه های اجتماعی و اسناد سیاستی جمع آوری شده و پس از پیش پردازش شامل نرمال سازی، حذف نویز و حذف کلمات توقف، توسط الگوریتم های تحلیل احساسات، مدل سازی موضوعی و طبقه بندی متون مورد تحلیل قرار می گیرند. همچنین عملکرد چند روش متداول یادگیری ماشین شامل Naive Bayes، SVM و مدل های مبتنی بر Transformer به صورت مقایسه ای بررسی شده است. نتایج نشان می دهد که مدل های مبتنی بر یادگیری عمیق دقت بالاتری در تحلیل متون سیاسی دارند، اما به منابع محاسباتی بیشتری نیازمند هستند. یافته های این پژوهش بیانگر آن است که پردازش زبان طبیعی می تواند ابزار موثری برای پایش افکار عمومی، تحلیل گفتمان سیاسی و کمک به تصمیم گیری مبتنی بر داده در سیاست گذاری عمومی باشد. در کنار مزایا، چالش هایی نظیر سوگیری داده ها، ابهام زبانی و مسائل اخلاقی نیز مورد بررسی قرار گرفته اند. در مجموع، این پژوهش نشان می دهد که ترکیب علوم کامپیوتر و علوم سیاسی می تواند زمینه ای موثر برای توسعه سامانه های هوشمند تحلیل سیاست فراهم سازد.

کلیدواژه ها:

پردازش زبان طبیعی ، سیاست های عمومی ، تحلیل متن ، هوش مصنوعی ، یادگیری ماشین