当前位置: 首页 > news >正文

【数据集】美国白宫赢学指数数据集(2025.1.20-2026.1.07)

一、数据简介

自2025年1月20日特朗普再次就任美国总统以来,白宫官网发布的官方文章在叙事风格上呈现出显著变化。大量文本反复使用“胜利”“成功”“伟大”“历史性成就”“前所未有”等表述,对在其领导下的美国政府行为进行高度正向、自我肯定式的描述。

为了系统刻画这种政治修辞特征,并将其从直观感受转化为可量化、可比较的指标,我们构建了《美国白宫赢学指数》(Winning Index of White House Communications)。

“赢学指数”并非简单的情绪分值,而是一个多维度政治修辞指数,重点刻画白宫官方文本中“胜利—成就—伟大”叙事的密度、结构与情绪强度。

指标主要由以下三部分构成:

(一)赢学关键词强度(Lexical Component)

我们构建了一套定制化的“赢学词库”,涵盖三类核心语义:

1. 胜利 / 成就结果词
如 win, victory, triumph, success, achievement, justice 等

2. 伟大 / 强度修饰词
如 great, historic, unprecedented, remarkable, tremendous 等

3. 主体与自我指涉词
如 President, Trump, administration, we, America 等

通过统计这些关键词在文本中的出现频率(并对文章长度进行标准化),衡量单篇文章的“赢学语言密度”。

(二)句子层面的“协同赢学”结构(Sentence-level Component)

考虑到“赢”往往不是由单个词触发,而是通过多个语义要素在同一句中共同出现来建构叙事,我们进一步引入句子层面的分析:

· 当一个句子中同时出现至少两类(成就结果/强度修饰/主体指涉)语义时,该句被识别为“赢学句”

· 计算每篇文章中“赢学句”在全部句子中的占比

这一做法有助于区分零散用词与系统性胜利叙事。

(三)赢学语境下的情绪强度(Sentiment Component)

情绪分析并非对全文进行,而是仅在“赢学语境句”中计算:

· 使用VADER情绪分析工具

· 仅对包含“胜利/伟大”等关键词的句子计算情绪分值

· 得到“赢学语境下的平均正向情绪强度”

这样可以避免将对对手的负面描述、危机性语言误判为“情绪低迷”。

综合指数与标准化处理

上述三类指标在文章层面计算后,进行标准化(z-score),并按权重加总,形成单篇文章的赢学指数。

随后,将文章级指数按日期汇总,得到每日美国白宫赢学指数,用于观察时间趋势与关键节点变化。

指数为标准化值:

· 数值高于0,表示当日“赢学叙事”强于样本期平均水平

· 数值低于0,表示弱于样本期平均水平

声明:本数据制作无任何参考

二、数据来源

美国白宫官网(WhiteHouse.gov)发布的官方文章

三、时间跨度

2025年1月20日-2026年1月7日

四、数据范围

美国白宫官网(WhiteHouse.gov)发布的官方文章(日度)

五、数据格式:Excel、csv形式

六、数据指标

id

link

title

tag

date_time

content

subcategory

……



七、数据展示

八、包含内容

九、全部内容下载链接: https://download.csdn.net/download/T0620514/92557844

http://www.cnnetsun.cn/news/596145.html

相关文章:

  • 智能销售管理软件助力企业获客与销售业绩提升
  • 《自然·通讯》新研究:集成光学相控阵实现全固态、多目标高速光通信
  • 大模型实践(四):如何在Dify上利用工作流快速构建出一个基于用户意图识别以及RAG知识库检索增强的智能聊天机器人?
  • MLGO微算法科技通过高阶方法和重新缩放进一步改进非线性微分方程的量子算法
  • 我们不是卖产品,而是在交付一种人生的意义
  • 大厂面试必看!这三步快速吃透业务,拿满面试分!
  • 档案保存环境优化:温湿度精准感知与智能调控系统实施方案
  • 深度学习:python老照片修复系统 卷积神经网络CNN算法 图片修复 深度学习 Django框架 pytorch 大数据毕业设计(建议收藏)
  • 产线级MES系统如何实现生产进度的实时监控?
  • 基于微信小程序的日常活动记录系统-计算机毕业设计源码+LW文档免费
  • 基于微信小程序的网络安全知识科普平台-计算机毕业设计源码+LW文档免费
  • 【珍藏】大模型意图识别在智能电视中的落地实践:三种方案对比与7B模型微调实战指南
  • 收藏!应届生刚毕业就年薪百万?35+程序员稳拿高薪的核心密码
  • 2023A卷,快速开租建站
  • Redis 集群的实现原理是什么?
  • 支持100+平台!多平台视频下载工具!全网视频一键下载
  • Nodejs和vue框架的体育器材租赁管理系统设计与实现论文
  • Nodejs和vue框架的种子商店网站的农业种子商城系统设计与开发
  • 8年前端,才明白生活/工作是个缓慢受锤的过程!
  • Meta成立新部门专攻AI基础设施建设
  • 安达发|当APS计划排产排程排单软件,遇上最硬核的煤炭排程
  • 如何像使用Openai API那样使用豆包的图片和视频API
  • 宏智树 AI:问卷设计 “业余 vs 专业” 终极对决,学术调研的智能破局指南
  • 财务管理专业兼职忙到飞起?提前准备这2项能力,兼顾赚钱与提升
  • 盘点那些与粮食作物高产相关的基因(一)
  • 导师严选2026 AI论文工具TOP10:专科生毕业论文写作全攻略
  • 不止于峡谷风光!地心谷,一条从远古到当代的沉浸式游览之路
  • AI手势识别输出数据结构解析:JSON格式调用实战
  • Java同步方法与块:哪个是更好的选择?必看的解析!
  • Nodejs和vue框架的中华历史故事展播系统的设计与实现