MavenRank: Identifying Influential Members of the US Senate Using Lexical Centrality
MavenRank: Identifying Influential Members of the US Senate Using Lexical Centrality
复制标题
MavenRank：利用词汇中心性识别美国参议院有影响力的成员
DOI：
--
复制
发表时间：
2007
期刊：
影响因子：
--
通讯作者：
Michael Colaresi
中科院分区：
文献类型：
--
作者：
Anthony Fader;Dragomir R. Radev;Michael H. Crespin;B. Monroe;K. Quinn;Michael Colaresi
我们介绍了一种技术，用于识别讨论中最突出的参与者。我们的方法，MavenRank是基于词汇中心性：在一个图上进行随机游走，其中每个节点都是讨论的参与者，边缘连接使用类似修辞的两个参与者。作为测试，我们使用MavenRank来识别美国参议院最有影响力的成员，使用美国国会记录中的数据，并使用委员会排名来评估输出。我们的结果表明，在大多数主题中，MavenRank评分很大程度上取决于委员会地位，但在演讲用于表明意识形态立场而不是影响立法的主题中，可以捕捉到演讲者的中心地位。
We introduce a technique for identifying the most salient participants in a discussion. Our method, MavenRank is based on lexical centrality: a random walk is performed on a graph in which each node is a participant in the discussion and an edge links two participants who use similar rhetoric. As a test, we used MavenRank to identify the most influential members of the US Senate using data from the US Congressional Record and used committee ranking to evaluate the output. Our results show that MavenRank scores are largely driven by committee status in most topics, but can capture speaker centrality in topics where speeches are used to indicate ideological position instead of influence legislation.