PulseAugur
中
实时 06:57:59
English(EN) Trilingual Topic Modeling of Sri Lankan Parliamentary Debates

新框架支持对斯里兰卡议会辩论进行三语主题建模

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新颖的框架，用于对斯里兰卡的国家议会辩论进行主题建模，这些辩论包含僧伽罗语、泰米尔语和英语。该系统通过采用基于LLM的文本提取以及多语言嵌入和聚类管道，克服了复杂的PDF布局、多语言脚本和黏着语形态带来的挑战。BiTopic扩展进一步提高了可解释性和降噪能力。该框架应用于2017-2026年超过19,000场演讲，成功识别出30个宏观主题，与2019年复活节爆炸案和2022年经济危机等重大国家事件相吻合，其表现优于传统的LDA方法。 AI

影响 通过先进的自然语言处理技术，能够对多语言政治话语和历史事件进行更深入的分析。

排序理由 该集群描述了一篇在arXiv上发表的研究论文，详细介绍了一种用于分析多语言文本数据的新计算方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架支持对斯里兰卡议会辩论进行三语主题建模

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Himath Dhanapala, Haren Daishika, Himandhi Kuruppu, Sithija Seneviratne, Ashini Kavindya, Patalee Narasinghe, Sandeepa Weerasekara, Nisansa de Silva, Sandareka Wickramanayake ·

    斯里兰卡议会辩论的三语主题建模

    arXiv:2608.20365v1 Announce Type: cross Abstract: Sri Lankan parliamentary debates (Hansards) constitute a trilingual corpus of speeches in Sinhala, Tamil, and English, including code-mixed content, yet remain inaccessible to standard NLP pipelines due to layout-complex PDFs, mul…

相关实体

相关话题