論文の概要: Framework of Voting Prediction of Parliament Members

• arxiv url: http://arxiv.org/abs/2505.12535v1
• Date: Sun, 18 May 2025 20:26:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.293949
• Title: Framework of Voting Prediction of Parliament Members
• Title（参考訳）: 議員投票予測の枠組み
• Authors: Zahi Mizrahi, Shai Berkovitz, Nimrod Talmon, Michael Fire,
• Abstract要約: 投票予測フレームワーク(VPF: Voting Prediction Framework)は、個々の立法府レベルでの投票結果の予測と、全法案に対する投票結果の予測を目的としたデータ駆動フレームワークである。 VPFはデータコレクション、パーシング、機能統合、予測モデルという3つの重要なコンポーネントで構成されている。 VPFを評価するために、カナダ、イスラエル、チュニジア、英国、米国5カ国の投票記録を500万件以上分析した。
• 参考スコア（独自算出の注目度）: 9.050557698554694
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Keeping track of how lawmakers vote is essential for government transparency. While many parliamentary voting records are available online, they are often difficult to interpret, making it challenging to understand legislative behavior across parliaments and predict voting outcomes. Accurate prediction of votes has several potential benefits, from simplifying parliamentary work by filtering out bills with a low chance of passing to refining proposed legislation to increase its likelihood of approval. In this study, we leverage advanced machine learning and data analysis techniques to develop a comprehensive framework for predicting parliamentary voting outcomes across multiple legislatures. We introduce the Voting Prediction Framework (VPF) - a data-driven framework designed to forecast parliamentary voting outcomes at the individual legislator level and for entire bills. VPF consists of three key components: (1) Data Collection - gathering parliamentary voting records from multiple countries using APIs, web crawlers, and structured databases; (2) Parsing and Feature Integration - processing and enriching the data with meaningful features, such as legislator seniority, and content-based characteristics of a given bill; and (3) Prediction Models - using machine learning to forecast how each parliament member will vote and whether a bill is likely to pass. The framework will be open source, enabling anyone to use or modify the framework. To evaluate VPF, we analyzed over 5 million voting records from five countries - Canada, Israel, Tunisia, the United Kingdom and the USA. Our results show that VPF achieves up to 85% precision in predicting individual votes and up to 84% accuracy in predicting overall bill outcomes. These findings highlight VPF's potential as a valuable tool for political analysis, policy research, and enhancing public access to legislative decision-making.
• Abstract（参考訳）: 政府の透明性のためには、議員の投票方法の追跡が不可欠だ。 多くの議会投票記録がオンラインで公開されているが、解釈が難しいことが多く、議会全体の立法行動を理解し、投票結果を予測することは困難である。 投票の正確な予測には、法案を通過する可能性の低い法案をフィルタリングし、承認の可能性を高めるために提案された法案を精査するなど、いくつかの潜在的利点がある。 本研究では、先進的な機械学習とデータ分析技術を活用し、複数の立法府にまたがる投票結果を予測するための総合的な枠組みを開発する。 投票予測フレームワーク(VPF: Voting Prediction Framework)は、個々の立法府レベルでの投票結果の予測と、全法案に対する投票結果の予測を目的とした、データ駆動型フレームワークである。 VPFは,(1)データ収集 – API,Webクローラ,構造化データベースを用いて複数の国から投票記録を収集する,(2)パーシングと機能統合 – 議会の年長性や法案の内容に基づく特徴などの有意義な特徴を持つデータの処理と強化,(3)予測モデル – 機械学習を用いて各議員の投票方法と法案が通過する可能性を予測する,という3つの重要な構成要素から構成される。 フレームワークはオープンソースで、誰でもフレームワークを使用または変更することができる。 VPFを評価するために、カナダ、イスラエル、チュニジア、英国、米国5カ国の投票記録を500万件以上分析した。 その結果,VPF は個人投票の予測において最大 85% の精度を達成し,請求結果の予測において最大 84% の精度を達成できた。 これらの知見は、政治分析、政策研究、および立法決定への公共アクセスを高めるための貴重なツールとしてのVPFの可能性を浮き彫りにしている。

関連論文リスト

• ElectionSim: Massive Population Election Simulation Powered by Large Language Model Driven Agents [70.17229548653852]
  我々は,大規模言語モデルに基づく革新的な選挙シミュレーションフレームワークであるElectronSimを紹介する。 ソーシャルメディアプラットフォームからサンプリングした100万レベルの投票者プールを提示し、正確な個人シミュレーションを支援する。 PPEは、米国大統領選挙シナリオ下での我々の枠組みの性能を評価するための、世論調査に基づく大統領選挙ベンチマークである。
  論文  参考訳（メタデータ） (2024-10-28T05:25:50Z)
• Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
  本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。 GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
  論文  参考訳（メタデータ） (2024-07-16T05:52:26Z)
• Adaptively Weighted Audits of Instant-Runoff Voting Elections: AWAIRE [61.872917066847855]
  即時投票(IRV)選挙の監査方法は、リスク制限や、各投票における投票の電子的記録であるキャスト投票記録(CVR)を必要とするものではない。 我々は,CVRが利用できない場合に,適応的に重み付けされたテストスーパーマーチンガルを用いてITV選挙を効率よく監査するRLA手法を開発した。
  論文  参考訳（メタデータ） (2023-07-20T15:55:34Z)
• DeepParliament: A Legal domain Benchmark & Dataset for Parliament Bills Prediction [0.0]
  本稿では、請求書とメタデータを収集する法的ドメインベンチマークデータセットであるDeepParliamentを紹介する。 我々は2つの新しいベンチマークを提案する。 この作業は、議会法案の予測タスクを初めて提示する。
  論文  参考訳（メタデータ） (2022-11-15T04:55:32Z)
• Election of government ministers [0.0]
  我々は、政府メンバーが直接国民によって選出されるシナリオを提案する。 本稿では,Rutvik Page,Ehud Shapiro,Nimrod Talmonらが提案するアルゴリズム(GreedyPAV)の実装について述べる。
  論文  参考訳（メタデータ） (2022-10-13T07:26:38Z)
• Towards Secure Virtual Elections: Multiparty Computation of Order Based Voting Rules [5.156484100374059]
  電子投票システムの主な課題の1つは、計算結果がキャスト投票と一致していることを示すことである。 本稿では,秩序に基づく投票規則によって規制された選挙のためのセキュアな投票プロトコルを提案する。 我々のプロトコルは、必要な出力のみを発行するという意味で、完全な投票秘密を提供するが、キャスト投票に関する他の情報は明らかにしない。
  論文  参考訳（メタデータ） (2022-05-21T12:17:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。