Latent structureText Scaling

Wordfish

Wordfish تعداد کلمات در اسناد را به‌عنوان تحقق یک فرآیند پواسون مدل‌سازی می‌کند، که در آن هر کلمه احتمالی مرتبط با موقعیت‌های پنهان سند و ویژگی‌های کلمه دارد. این مدل هم موقعیت پنهان هر سند و هم «تمایز» هر کلمه (اینکه چقدر خوب بین موقعیت‌ها تمایز قائل می‌شود) را یاد می‌گیرد. کلماتی که به‌طور مکرر در اسناد با موقعیت‌های مختلف تغییر می‌کنند، متمایزکننده‌های ارزشمندی هستند. با برازش این مدل به کل پیکره، Wordfish یک بعد پنهان واحد را بدون مرجع خارجی بازیابی می‌کند و آن را برای تحلیل مقایسه‌ای بدون نظارت ایده‌آل می‌سازد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Slapin, J. B., & Proksch, S. O. (2008). A scaling model for estimating time-series party positions from texts. Journal of Politics, 70(3), 554-569. DOI: 10.1111/j.1540-5907.2008.00338.x
  2. Proksch, S. O., & Slapin, J. B. (2009). How to avoid pitfalls in statistical machine learning for social science. Political Analysis, 20(3), 343-357. link
  3. Benoit, K., Muhr, D., & Spirling, A. (2016). Crowd-sourced text analysis: Reproducible and distributed production of political data. American Political Science Review, 110(2), 278-295. DOI: 10.1017/S0003055416000058

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Wordfish. ScholarGate. https://scholargate.app/fa/psychometrics/wordfish

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ارجاع‌شده در

ScholarGateWordfish (Wordfish). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/psychometrics/wordfish · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026