Zum Hauptinhalt springen Zur Suche springen Zur Hauptnavigation springen
Die Annotation politischer Diskurse ist traditionell zeit- und personalintensiv. Die jüngsten Entwicklungen im Bereich NLP versprechen allerdings eine Automatisierung komplexer Annotationsaufgaben. Feingetunte transformatorbasierte Sprachmodelle übertreffen inzwischen menschliche Annotator:innen bei einigen Annotationsaufgaben, aber sie setzten große manuell annotierte Trainingsdatensätze voraus. In unserem Beitrag untersuchen wir, inwieweit ein ursprünglich manuell annotierter Datensatz mit den heutigen NLP-Methoden automatisch repliziert werden kann, indem wir unüberwachtes maschinelles Lernen sowie Zero- und Few-Shot-Learning einsetzen.
Inhalte werden geladen ...
Inhalte werden geladen ...