러시아 국내외 정책 연설의 연결된 멀티모달 데이터셋

요약

본 논문은 권위주의 정치 맥락에서 부족한 데이터 문제를 해결하기 위해 러시아 정부 고위 인사들의 공식 연설을 담은 멀티모달 데이터셋을 제안합니다. 이 데이터셋은 러시아어와 영어 텍스트, 관련 이미지, 메타데이터를 포함하며, 트랜스포머 기반 토픽 모델링을 통해 정제된 토픽 주석을 제공합니다. 이를 통해 정치 커뮤니케이션에 대한 다각적인 분석과 사회 과학 분야의 LLM 애플리케이션 연구를 지원합니다.

핵심 포인트

• 러시아 크렘린 및 외무부 고위 인사의 공식 연설을 포함한 대규모 멀티모달 데이터셋 구축
• 러시아어와 영어 텍스트의 정렬 및 이미지-연설 간의 고유 식별자를 통한 연결 제공
• 트랜스포머 기반 멀티모달 토픽 모델링과 전문가 검증을 통한 토픽 주석 포함
• 정치 커뮤니케이션의 시계열, 공간적 분석 및 사회 과학용 LLM 테스트베드로 활용 가능