Uso del orden de las palabras en la clasificación de textos políticos con modelos de memoria a corto y largo plazo

Los científicos políticos a menudo desean clasificar documentos basándose en su contenido para medir variables, como la ideología de los discursos políticos o si los documentos describen un Conflicto Interestatal Militarizado. Los clasificaciones simples a menudo son efectivas en estas tareas. Sin embargo, si las palabras que ocurren temprano en un documento alteran el significado de las palabras que ocurren más tarde en el documento, usar un modelo más complicado que pueda incorporar estas relaciones dependientes del tiempo puede aumentar la precisión de la clasificación. Los modelos de memoria a corto y largo plazo (LSTM) son un tipo de modelo de red neuronal diseñado para trabajar con datos que contienen dependencias temporales. Investigamos las condiciones bajo las cuales estos modelos son útiles para las tareas de clasificación de textos en ciencias políticas, con aplicaciones a publicaciones en redes sociales chinas así como a artículos de periódicos estadounidenses. También proporcionamos orientación para el uso de modelos LSTM.