Анализ текстов программ российских политических партий с помощью методов анализа данных и машинного обучения.

Организация заказчика

Институт математики в науках Общества Макса Планка, г. Лейпциг, Германия

Контакты представителя заказчика

PhD, Иван Ямщиков

Название

Анализ текстов программ российских политических партий с помощью методов анализа данных и машинного обучения.

Цель

Собрать, оцифровать и разметить программы политических партий за последние 20 лет, исследовать закономерности в текстах программ политических партий с помощью инструментов статистики и машинного обучения.

Описание проекта (Проблема)

Вычислительная социология – новая наука на стыке информатики и социологии. Она изучает закономерности в различных сферах жизни общества, зачастую не очевидные для человека. Она активно развивается, ученые по всему миру проводят множество исследований, используя доступные материалы. В открытых источниках много различных документов, необходимых для анализа, на разных языках, но их крайне мало для русского языка, отчего данное направление скудно развивается в России. В данном проекте студенты самостоятельно соберут необходимые данные, обработают их и проанализируют, используя современные методы науки о данных. Таким образом, будет проделано полноценное масштабное исследование, не имеющее аналогов в России.

Размер команды

10 команд по 3 человека (разметка) + 4 человека (разработка моделей классификации)

Роли и компетенции

• Программист - Data Scientist (разработка и реализация алгоритмов классификации текстов) Максимум 4 человека. Обязательно знание Python и основ анализа данных;
• Разметчик (Ручная разметка текстов программ политических партий)

Результат /
Продукт

Набор размеченных программ политических партий; модель-классификатор предложений; исследование различных статистических показателей в текстах программ, например, динамика изменения тех или иных тем у различных партий с течением времени.

Предлагаемые подходы к решению проблемы

Ручная разметка программ Российских партий с 1990 по 2016 гг.; разработка и реализация алгоритмов машинного обучения для автоматической классификации предложений; статистический анализ размеченных программ партий.