تعد عملية التعدين أسباب صنع القرار السياسي مجالا نشطا في مجال العلوم السياسية. في الماضي، ركزت معظم الدراسات على السياسات طويلة الأجل التي يتم جمعها على مدى عدة عقود من الزمن، وقد اعتمدت في المقام الأول على المسوحات كمصدر رئيسي للتنبؤ. ومع ذلك، فإن ج
ائحة Covid-19 الأخير قد أدى إلى ظاهرة سياسية جديدة، حيث يتكون عملية صنع القرار السياسي من قرارات قصيرة الأجل المتكررة، كلها على نفس الموضوع السيطرة --- الوباء. في هذه الورقة، نركز على مسألة كيفية تأثير الرأي العام على قرارات السياسة، أثناء السيطرة على الخبراء مثل الزيادات في حالة Covid-19 أو معدلات البطالة. باستخدام مجموعة بيانات تتكون من بيانات تويتر من الولايات الأمريكية 50، نقوم بتصنيف المشاعر تجاه محافظي كل دولة، وإجراء الدراسات والمقارنات التي تسيطر عليها. بناء على العينات المترجمة من المشاعر والسياسات والخلفية، نقوم بإجراء استنتاج سببي لاكتشاف الاتجاهات في اتخاذ القرارات السياسية في جميع الدول المختلفة.
تهدف مهمة اكتشاف الحدث (ED) إلى تصنيف الأحداث من خلال تحديد الحدث الرئيسي تصادف الكلمات المضمنة في جزء من النص. أثبتت الأبحاث السابقة صحة علاقات التبعية النحوية الصابورة في شبكات تشكيلة تشكيلة (GCN). في حين أن الأساليب القائمة على GCN الحالية تستكشف
علاقات الاعتماد العقدة الكامنة وفقا لقطعة توتور بقيمة ثابتة، فإن العار الديناميكي القائم على الانتباه، والتي يمكن أن تؤدي الكثير من الاهتمام إلى العقدة الرئيسية مثل حفل الحدث أو العقد المجاورة، وبعد في وقت واحد، تعاني من ظاهرة معلومات الرسم البياني التلاشي الناجمة عن Tensor المتأخر المتماثل، نماذج GCN الحالية لا يمكن تحقيق أداء عموما أعلى. في هذه الورقة، نقترح نماذج رواية ناشئة عن النفس شبكات التنزل المتبقية (SA-GRCN) لعلاقات التبعية الكامنة لعدة عقدة من خلال آلية الاهتمام الذاتي وإدخال الشبكة المتبقية الرسم البياني (GRESNET) لحل مشكلة تخفيض المعلومات الرسم البيانية وبعد على وجه التحديد، يتم بناء وحدة انتباه ذاتي لتوليد موتر الاهتمام، مما يمثل عشرات اهتمام الاعتماد من جميع الكلمات في الجملة. علاوة على ذلك، يضاف مصطلح الرسم البياني المتبقي إلى خط الأساس SA-GCN لبناء GRESNET. بالنظر إلى الاتصال النحوي لإدخال الشبكة، نقوم بتهيئة موتر المشجعي الناشئ دون معالجة وحدة الاهتمام الذاتي باعتباره المصطلح المتبقي. نقوم بإجراء تجارب على مجموعة بيانات ACE2005 وتظهر النتائج تحسنا كبيرا بشأن أساليب خط الأساس التنافسية.
