連邦議会のソーシャルメディアにおける問題と解決策の枠組みの分類

Abstract

「Garbage Can（ゴミ箱）モデル」に基づく、米国における政策設定は、「問題」志向のプロセスと「解決」志向のプロセスを区別している。本論文では、米国上院議員のTwitter投稿に関する大規模データセット（総計168万件のツイート）を調査する。我々の目的は、上院議員の投稿を「問題」ストリームまたは「解決」ストリームのいずれかに自動的にラベル付けする手法を開発する。2名の学術的な政策専門家が、3967ツイートの一部を「問題」「解決」、または「その他」（問題でも解決でもないもの）としてラベル付けした。我々はテストセットとして500ツイートの一部を切り分け、残りの3467を学習に用いた。開発の間、学習セットはさらに60/20/20の割合で、フィッティング用、検証用、開発テスト用の各セットに分割した。学習セット上で問題／解決の分類器を直接構築するための教師あり学習手法を調査し、検証セットにおけるF1スコアの観点でそれらの性能を評価した。これにより、モデルやハイパーパラメータを迅速に反復して検討でき、BERTweet Baseモデルを用いた3カテゴリに対するクロスバリデーションで、平均加重F1スコアが0.8を超えることを達成した。