wortmeldung

Beschreibung

Extraktion der Redebeiträge der Abgeordneten und Minister des österreichischen Parlaments.

Die Protokolle der Sitzungen stehen zwar zur Verfügung [1], allerdings nicht in strukturiertem, maschinenlesbarem Format. Als erster Schritt sollen also aus den Stenographischen Protokollen einzlene Redebeiträge (Wortmeldung plus Meta-Daten wie RednerIn, Zeitpunkt, Sitzung) der Abgeordneten extrahiert werden. (Siehe Datenformate/Wortmeldung).

Die daraus entstehendne stukturierten und "gesäuberten" könnten in ihrer Gesamtheit (etwa als XML-Datensatz) oder als API, etwa mit Suchfunktion öffentlich zur Verfügung gestellt werden.

Wozu & Ausblick

• Testen von NLP Bibliotheken Pattern [2], Nltk [4] usw.

• Bessere Erschliessung der Redebeiträge der ParlamentarierInnen durch Möglichkeit zur Suche, Keyword Extraction, Dokument-Ähnlichkeiten etc. auf Basis einzelner Redebeiträge

• Öffentliche Diskussion durch Verknüpfung mit einer Kommentar-Funktion

Weiters:

• Offene "Pipeline" , bzw NLP-Plugins zur Textanalyse (Filtersysteme, Suchfunktion, Klassifikation)

• Web-Frontend zur visualisierung der Analysen und evt. Kommentarfunktion

• API nach dem Muster Congress-API von Sunlight Labs [5]

Datenstruktur

• Sitzung : Kürzel der Sitzung zb NRSITZ_00046 (unique)
• Datum : Datum der Sitzung
• Gesetzgebungsperiode : zb XXIV
• TypeTags : Kürzel für "Ausschuss" - Art, zb NRSITZ, ..

Wortmeldung

Rohdaten

• sitzung : link zur sitzungs-collection oder specherung des kürzels (zb NRSITZ_00046)
• content-raw : gesamter inhalt des "WordSection" - DIVs
• order : reihenfolge der wortmeldungen (position des wordsection-divs 0..n)

Cleaned

• paragraphs: P-Tags der relevaten Klassen (html)
• paragraphs-cleaned : paragraphen, tag-stripped
• paragraphs-processed : paragraphen, tag-stripped & "metadaten" entfernt (anrede/person, zwischenrufe - zwischenrufe ersetzt durch platzhalter ? )

Processed

• speaker
• party
• speaker-title
• type : a,b,m für Abgeordneter, Präsident/Wortführer, Minister/Regierungsmitglied
• timestamp : minute/sekunde bzw volle timestamp (beginnzeit)
• links : vorhandene links
• reaktionen : zwischenrufe
• timestamps :

Evt. RDF Vokabular verwenden , zB an Schema.org [6] orientieren .

Referenzen

[1] http://www.parlament.gv.at/PAKT/STPROT/ [2] http://www.clips.ua.ac.be/pages/pattern [3] http://scrapy.org/ [4] http://www.nltk.org/ [5] http://services.sunlightlabs.com/ [6] http://schema.org/docs/full.html