摘要
我们提出了一种实时、可扩展的方法，用于分析政治行为者在重大政策议题上通过推文所进行的战略性沟通。该方法结合词嵌入（word embeddings）与监督式机器学习模型，对立法者推文进行分类，判断其是否涉及具体政策议题以及所持立场。这一方法能够在高时间粒度下，对精英群体间的沟通动态进行测量，并具备在不同议题领域和立法机构之间广泛扩展的能力。作为概念验证，本文利用该方法追踪了美国国会成员在多年间对移民与气候变化议题立场的演变过程。通过与特定议题的投票得分进行对比验证，结果表明该方法具有令人满意的准确性，能够识别出其在线言论与其实际投票行为存在显著差异的立法者。此外，我们还开发了一个自动更新的公开交互式网站，实时展示移民议题的分析结果，使研究人员、新闻工作者及政策制定者能够即时探索立法者在移民议题上言论的动态变化。