Wie moet ik hebben voor …?

Geplaatst op 28-11-2008 door Maarten Marx | Political Mashup | |

Je leest een stuk in de krant of op het web en denkt: Da’a'r moet de
politiek eens wat aan doen. Maar dan komt het. W’a'ar en hoe vind je de
juiste persoon of instantie voor dit specifieke bericht?

Het web bevat een hoop prachtige paginas met initiatieven die burgers in
contact met politici en partijen brengen, en waar ook vaak specialismes en
aandachtsgebieden van de personen beschreven zijn.
Het probleem voor de gebruiker met deze sites is drieledig:

1. je moet eerst
   maar eens die site vinden;
2. als je er bent moet je vaak alle profielen
   lezen voordat je weet wie het best bij jouw artikel past en
3. er zal vaak
   sprake zijn van een semantische kloof tussen de inhoud van het artikel waar
   het allemaal mee begon en het beschreven profiel van een politicus: diegene
   die zoekt moet het verband tussen die twee maar kunnen leggen.

Wat zou het mooi zijn als…

Wat zou het handig zijn als er een soort Google bestond waar je gewoon de
hele tekst van dat artikel in kon plakken met als resultaat een lijst van 10
politici die het best bij het artikel passen. Met per politicus een foto,
een korte beschrijving van zijn specialiasmes, een link naar z’n bio en z’n
blog en een korte motivatie voor het leggen van de link met het artikel.

Een prototype van zo’n systeem is ontwikkeld door de Universiteit van Amsterdam. Het systeem zoekt naar politici die nu in de Tweede
Kamer zitten. Een prototype van dit systeem is te gebruiken op
http://zookma.science.uva.nl/politiciansearch/search.php
Je kan hier een stukje tekst inplaatsen of gewoon een woord intypen.

Hoe werkt het?

De Handelingen der Staten Generaal bevatten alles wat ieder kamerlid in de
Tweede Kamer heeft gezegd. Op basis van die uitspraken maken we, geheel
automatisch, voor elke politicus een persoonlijk interresse-profiel. Dit
is een wiskundig-statistisch model dat voorspelt welke woorden een politicus
vaak gebruikt.

Werkt het?

We hebben de werking getest door van 22 vaste kamercommissies de naam van de
commissie in te voeren en te kijken hoeveel van de teruggegeven top 10 ook
echt in die commissie zat: gemiddeld hadden we er 6 van de 10 goed, een zeer
hoge en bruikbare score.

Meer weten?

We hebben een kort artikel geschreven voor de Dutch Information Retrieval conferentie 2009: DIR Poster, Nusselder en Marx, Expert Finding of Dutch Politicians

Precision at 10 for committees