Cross-Lingual Classification of Topics in Political Texts
Cross-Lingual Classification of Topics in Political Texts
复制标题
政治文本主题的跨语言分类
DOI：
10.18653/v1/w17-2906
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Simone Paolo Ponzetto
中科院分区：
文献类型：
--
作者：
G. Glavas;F. Nanni;Simone Paolo Ponzetto
本文提出了一种对不同语言政党选举宣言中句子进行跨语言主题编码的方法。为此，我们利用连续语义文本表示，并诱导联合多语言语义向量空间，以便使用不同语言的手动编码句子进行监督学习。我们的实验结果表明，在多语言数据上训练的分类器比单语言主题分类器的性能有所提高。
In this paper, we propose an approach for cross-lingual topical coding of sentences from electoral manifestos of political parties in different languages. To this end, we exploit continuous semantic text representations and induce a joint multilingual semantic vector spaces to enable supervised learning using manually-coded sentences across different languages. Our experimental results show that classifiers trained on multilingual data yield performance boosts over monolingual topic classification.