Samfundsfag
Højre-venstre-skala er yt
21. juni 2008 af
Kristian-Poulsen (Slettet)
Den gamle højre-venstre-skala fungerer ikke rigtig. Jeg har derfor selv opfundet en bedre model til at beskrive, hvor partier ligger henne.
http://www.gratisupload.dk/show.php?fileId=13185
http://www.gratisupload.dk/show.php?fileId=13185
Svar #1
22. juni 2008 af Bruger slettet (Slettet)
Du har da godt nok haft det sjovt :)
Problemet med at udregne nærheder (eller afstande) ved hjælp af n-dimensionale vektorrum inden for samfundsvidenskabelige og humanistiske domæner er, at man bruger en metode, der ser så ekstremt 'objektive' ud, men benytter den på domæner, der er ekstremt subjektive.
Indenfor politik vil det være ekstremt subjektivt, hvilke akser man opretter og - især - hvorledes man vægter de koordinater, man tildeler de enkelte vektorer.
Det undrer mig, at du ikke benytter VINKLEN mellem vektorerne som nærhedsmål, det er det, man normalt gør.
Vektorrumsmodellen har været anvendt som søgealgoritme i søgemaskiner.
Hvert dokument (i dit system: Partiprogrammet) opfattes som en vektor, der karakteriseres ved sine vægtede emneord som koordinater.
Emneordene skal kunne filtreres af teksten automatisk, og vægtene udregnes og tildeles maskinelt, ellers bliver det HELT uoverkommeligt.
Når en bruger af søgesystemet indtaster en query (søgeformulering) i søgefeltet, vil queryen blive opfattet som en vektor, hvor de enkelte søgetermer (helst vægtede: de dokumenter, jeg søger, skal handle meget om dette emne, og mindre om dette) opfattes som koordinater.
Ved hjlælp af søgealgoritmen udregner systemet nu cosinus til vinklen mellem query-vektoren og hver enkelt dokument-vektor i basen (reelt vist kun til de dokumenter, der har de SAMME emneord, som queryen, sådan at det bliver antallet af søgetermer i queryen, der afgør, hvor mange dimensioner vektorrummet har i hver enkelt søgning). Da vinklen benyttes som nærhedsmål, er det nu muligt at lave et ranked output af søgeresultatet med det formodet mest relevante dokument først og det formodet mindst relevante dokument sidst.
Vektorrum har man kendt i umindelige tider - i hvert fald så længe jeg kan huske :)
Men at anvende vektorrumsmodellen til at udregne nærheder mellem queries og dokumenter i en base blev først introduceret i information retrieval i 1975 af
G. Salton, A. Wong, and C. S. Yang (1975): "A Vector Space Model for Automatic Indexing,". - In: Communications of the ACM, vol. 18, nr. 11, pages 613–620, http://www.cs.uiuc.edu/class/fa05/cs511/Spring05/other_papers/p613-salton.pdf
Se evt artiklen i engelsk Wikipedia for en første introduktion: http://en.wikipedia.org/wiki/Vector_space_model
Problemet med at udregne nærheder (eller afstande) ved hjælp af n-dimensionale vektorrum inden for samfundsvidenskabelige og humanistiske domæner er, at man bruger en metode, der ser så ekstremt 'objektive' ud, men benytter den på domæner, der er ekstremt subjektive.
Indenfor politik vil det være ekstremt subjektivt, hvilke akser man opretter og - især - hvorledes man vægter de koordinater, man tildeler de enkelte vektorer.
Det undrer mig, at du ikke benytter VINKLEN mellem vektorerne som nærhedsmål, det er det, man normalt gør.
Vektorrumsmodellen har været anvendt som søgealgoritme i søgemaskiner.
Hvert dokument (i dit system: Partiprogrammet) opfattes som en vektor, der karakteriseres ved sine vægtede emneord som koordinater.
Emneordene skal kunne filtreres af teksten automatisk, og vægtene udregnes og tildeles maskinelt, ellers bliver det HELT uoverkommeligt.
Når en bruger af søgesystemet indtaster en query (søgeformulering) i søgefeltet, vil queryen blive opfattet som en vektor, hvor de enkelte søgetermer (helst vægtede: de dokumenter, jeg søger, skal handle meget om dette emne, og mindre om dette) opfattes som koordinater.
Ved hjlælp af søgealgoritmen udregner systemet nu cosinus til vinklen mellem query-vektoren og hver enkelt dokument-vektor i basen (reelt vist kun til de dokumenter, der har de SAMME emneord, som queryen, sådan at det bliver antallet af søgetermer i queryen, der afgør, hvor mange dimensioner vektorrummet har i hver enkelt søgning). Da vinklen benyttes som nærhedsmål, er det nu muligt at lave et ranked output af søgeresultatet med det formodet mest relevante dokument først og det formodet mindst relevante dokument sidst.
Vektorrum har man kendt i umindelige tider - i hvert fald så længe jeg kan huske :)
Men at anvende vektorrumsmodellen til at udregne nærheder mellem queries og dokumenter i en base blev først introduceret i information retrieval i 1975 af
G. Salton, A. Wong, and C. S. Yang (1975): "A Vector Space Model for Automatic Indexing,". - In: Communications of the ACM, vol. 18, nr. 11, pages 613–620, http://www.cs.uiuc.edu/class/fa05/cs511/Spring05/other_papers/p613-salton.pdf
Se evt artiklen i engelsk Wikipedia for en første introduktion: http://en.wikipedia.org/wiki/Vector_space_model
Svar #2
25. juni 2008 af a_albertsen (Slettet)
Spændende - hvorledes tager systemet hensyn til at der er vidt forskellige måder at skrive principprogrammer på?
Skriv et svar til: Højre-venstre-skala er yt
Du skal være logget ind, for at skrive et svar til dette spørgsmål. Klik her for at logge ind.
Har du ikke en bruger på Studieportalen.dk?
Klik her for at oprette en bruger.