跨越黨派批評：丹麥國會的政治對比與歸咎歸因
為何重要
- 展示了機器學習模型在複雜領域場景（如政治責任歸咎）應用的可行性，特別是針對非主流語言。 - 強調了先進 NLP 技術在處理語意細微差別（如「歸咎」vs「責任」）時的價值，超越了基礎的情緒分析。 - 說明瞭資料分析如何解釋政治言論的結構性變化，揭示了極化語言規律。
- 研究利用 BlameBERT 分類器搭配多層級統計模型，分析 1997 至 2026 年丹麥國會的政治言論歸咎模式。
- BlameBERT 是一個專為低資源語言構建的「註解高效」分類器，評分（F1）達 0.80。
- 資料顯示歸咎聲量呈「香蕉形」軌跡：2016 年前下降，2019 至 2026 年間顯著且持續上升。
- 分析發現「政治對比」效果，即反對黨的歸咎聲量顯著高於執政黨，且右翼黨受此影響更甚。