Как анализировать политическое внимание при минимальных предпосылках и затратах

Предыдущие методы анализа содержания политического внимания требовали введения ряда ограничительных предпосылок либо оказывались чрезмерно затратными при применении к крупномасштабным массивам политических текстов. В настоящей работе мы описываем тематическую модель законодательных выступлений — статистическую модель обучения, которая использует выбор слов для вывода тематических категорий, представленных в совокупности выступлений, и определения темы отдельных выступлений. Наш метод оценивает, а не предполагает заранее, содержание тем, ключевые слова, идентифицирующие темы, и иерархическую вложенность тем. Мы используем тематическую модель для изучения повестки дня в Сенате США в период с 1997 по 2004 год. На основе новой базы данных, содержащей более 118 000 выступлений (70 000 000 слов) из Congressional Record, наша модель выявляет категории тем выступлений, которые одновременно отличаются друг от друга и содержательно взаимосвязаны, а также обеспечивает более полное представление о динамике демократической повестки дня, чем это было возможно ранее.