ينطوي تقسيم الجملة تجزئة جملة إلى جملتين أقصرين أو أكثر. إنه مكون رئيسي لبسط الجملة، وقد ثبت أن تساعد الفهم البشري وهي خطوة مسبقة مسبقة مسبقة مفيدة لمهام NLP مثل استخراج التلخيص والعلاقات. في حين أن العديد من الطرق والجماعات البيانات المقترحة قد اقتر
حت لتطوير نماذج تقسيم الجملة، فقد تم إيلاء القليل من الاهتمام لكيفية تفاعل تقسيم الجملة مع هيكل الخطاب. في هذا العمل، نركز على الحالات التي يحتوي فيها نص الإدخال على اتصال خطاب، والتي نشير إليها كقامة عقوبة قائمة على الخطاب. نقوم بإنشاء مجموعات بيانات صناعية وعضوية لتقسيم الخطاب واستكشاف طرق مختلفة للجمع بين مجموعات البيانات هذه باستخدام بنية نموذجية مختلفة. نظهر أن نماذج خطوط الأنابيب التي تستخدم هيكل الخطاب للتوسط في جملة تقسيم النماذج المنفقة المناسبة في تعلم الطرق المختلفة للتعبير عن علاقة خطاب ولكن توليد نص أقل نحوية؛ توفر تلك البيانات الاصطناعية على نطاق واسع أساسا أفضل للتعلم من البيانات العضوية النطاق الصغيرة؛ وهذا التدريب على التركيز على الخطاب، وليس على بيانات تقسيم الجملة العامة يوفر أساسا أفضل لتقسيم الخطاب.
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.
