論文の概要: LegiGPT: Party Politics and Transport Policy with Large Language Model
- arxiv url: http://arxiv.org/abs/2506.16692v1
- Date: Fri, 20 Jun 2025 02:25:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-23 19:00:05.310946
- Title: LegiGPT: Party Politics and Transport Policy with Large Language Model
- Title（参考訳）: LegiGPT:大規模言語モデルによる政党政治と交通政策
- Authors: Hyunsoo Yun, Eun Hak Lee,
- Abstract要約: 本稿では,大型言語モデル(LLM)と説明可能な人工知能(XAI)を統合し,交通機関に関する立法案を分析するLegiGPTを紹介する。
我々は、交通政策決定に大きな影響を及ぼす主要な要因、例えば、スポンサーの特徴、政治的提携、地理的変数を特定します。
その結果、保守的かつ進歩的なスポンサーの数と比率が、地域規模や選挙人人口と共に、立法成果を形成する重要な決定要因であることが判明した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Given the significant influence of lawmakers' political ideologies on legislative decision-making, understanding their impact on policymaking is critically important. We introduce a novel framework, LegiGPT, which integrates a large language model (LLM) with explainable artificial intelligence (XAI) to analyze transportation-related legislative proposals. LegiGPT employs a multi-stage filtering and classification pipeline using zero-shot prompting with GPT-4. Using legislative data from South Korea's 21st National Assembly, we identify key factors - including sponsor characteristics, political affiliations, and geographic variables - that significantly influence transportation policymaking. The LLM was used to classify transportation-related bill proposals through a stepwise filtering process based on keywords, phrases, and contextual relevance. XAI techniques were then applied to examine relationships between party affiliation and associated attributes. The results reveal that the number and proportion of conservative and progressive sponsors, along with district size and electoral population, are critical determinants shaping legislative outcomes. These findings suggest that both parties contributed to bipartisan legislation through different forms of engagement, such as initiating or supporting proposals. This integrated approach provides a valuable tool for understanding legislative dynamics and guiding future policy development, with broader implications for infrastructure planning and governance.
- Abstract（参考訳）: 議員の政治イデオロギーが立法決定に大きく影響していることを考えると、政策決定への影響を理解することは極めて重要である。
本稿では,大規模言語モデル(LLM)と説明可能な人工知能(XAI)を統合し,交通機関に関する立法提案を分析する新しいフレームワークLegiGPTを紹介する。
LegiGPTは、GPT-4によるゼロショットプロンプトを用いたマルチステージフィルタリングと分類パイプラインを採用している。
韓国第21回国民議会の立法データを用いて、交通政策決定に大きな影響を及ぼす主要な要因、例えば、スポンサーの特徴、政治的提携、地理的変数を特定します。
LLMは、キーワード、フレーズ、文脈的関連性に基づく段階的なフィルタリングプロセスを通じて、輸送関連法案の提案を分類するために使用された。
その後、XAI技術を用いて、当事者関係と関連する属性の関係について検討した。
その結果、保守的かつ進歩的なスポンサーの数と比率が、地域規模や選挙人人口と共に、立法成果を形成する重要な決定要因であることが判明した。
これらの結果から,両政党は,提案の開始や支持など,様々な形態の関与を通じて両党の立法に寄与したことが示唆された。
この統合されたアプローチは、立法のダイナミクスを理解し、将来の政策開発を導くための貴重なツールを提供する。
関連論文リスト
- KOKKAI DOC: An LLM-driven framework for scaling parliamentary representatives [0.0]
本稿では,国会議員の政治問題スタンスを正確にスケールするLLM主導の枠組みを紹介する。
先進的な自然言語処理技術と大規模言語モデルを活用することにより,提案手法は従来のアプローチを洗練・強化する。
この枠組みには,(1)要約による議会演説の消音,よりクリーンで一貫した意見埋め込み,(2)議員の言論要約からの政治的論争の軸の自動抽出,(3)党の立場の経時的変化を追及するダイアクロニック分析,の3つの主要な革新が含まれている。
論文 参考訳（メタデータ） (2025-05-11T21:03:53Z) - Measuring Interest Group Positions on Legislation: An AI-Driven Analysis of Lobbying Reports [17.4092661362727]
米国における特別利害団体(SIG)は、立法・行政部門における政策決定に影響を与える様々な政治活動に参加している。
SIGの政策姿勢を理解することの重要性にもかかわらず、それらの観察における経験的課題は、研究者が間接的な測定に頼ることになった。
本研究は,広範囲の請求所の位置を直接測定し,予測するための最初の大規模取り組みを紹介する。
論文 参考訳（メタデータ） (2025-04-21T17:54:47Z) - Few-shot Policy (de)composition in Conversational Question Answering [54.259440408606515]
本稿では,大規模言語モデル(LLM)を用いて数ショット設定でポリシーコンプライアンスを検出するニューラルシンボリックフレームワークを提案する。
提案手法は,回答すべきサブクエストを抽出し,文脈情報から真理値を割り当て,与えられたポリシーから論理文の集合を明示的に生成することで,政策コンプライアンスに関する会話に対して健全な理由を示す。
本手法は,PCDおよび会話機械読解ベンチマークであるShARCに適用し,タスク固有の微調整を伴わずに競合性能を示す。
論文 参考訳（メタデータ） (2025-01-20T08:40:15Z) - Political Actor Agent: Simulating Legislative System for Roll Call Votes Prediction with Large Language Models [9.0463587094323]
政治アクターエージェント(PAA)は、制限を克服するために大規模言語モデルを利用する新しいフレームワークである。
ロールプレイングアーキテクチャを採用し、立法制度をシミュレートすることで、PAAはロールコール投票を予測するためのスケーラブルで解釈可能なパラダイムを提供する。
我々は,第117-118回衆議院議員投票記録を用いた総合的な実験を行い,PAAの優れた性能と解釈可能性について検証した。
論文 参考訳（メタデータ） (2024-12-10T03:06:28Z) - Leveraging Knowledge Graphs and LLMs to Support and Monitor Legislative Systems [0.0]
本研究は、立法プロセスの相乗効果と支援について、立法知識グラフとLLMを用いて検討する。
この目的のために、我々は、立法分析を行う可能性を高めるイタリアの法律に焦点を当てたインタラクティブなプラットフォームであるLegis AI Platformを開発する。
論文 参考訳（メタデータ） (2024-09-20T06:21:03Z) - 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) - Whose Side Are You On? Investigating the Political Stance of Large Language Models [56.883423489203786]
大規模言語モデル(LLM)の政治的指向性について,8つのトピックのスペクトルにわたって検討する。
我々の調査は、中絶からLGBTQ問題まで8つのトピックにまたがるLLMの政治的整合性について考察している。
この結果から,ユーザはクエリ作成時に留意すべきであり,中立的なプロンプト言語を選択する際には注意が必要であることが示唆された。
論文 参考訳（メタデータ） (2024-03-15T04:02:24Z) - Modelling Political Coalition Negotiations Using LLM-based Agents [53.934372246390495]
我々は、新しいNLPタスクとして連立交渉を導入し、それを大規模言語モデルに基づくエージェント間の交渉としてモデル化する。
我々は、欧州政党の宣言とこれらの国における多数の選挙に関する連立協定を含む多言語データセット「POLCA」を導入する。
本稿では、政党間の連立交渉の過程をシミュレートし、その結果を予測するために、階層的なマルコフ決定プロセスを提案する。
論文 参考訳（メタデータ） (2024-02-18T21:28:06Z) - Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。
本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。
観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
論文 参考訳（メタデータ） (2023-11-15T00:02:25Z) - The ParlaSent Multilingual Training Dataset for Sentiment Identification in Parliamentary Proceedings [0.0]
そこで本論文では,感傷的に手動で注釈付けした7言語による文のトレーニングデータセットを提案する。
さらに、政治科学応用のためのドメイン固有多言語トランスフォーマー言語モデルについても紹介する。
論文 参考訳（メタデータ） (2023-09-18T14:01:06Z) - Entity Graph Extraction from Legal Acts -- a Prototype for a Use Case in
Policy Design Analysis [52.77024349608834]
本稿では,公共政策設計の定量的研究を支援するために開発されたプロトタイプについて述べる。
本システムの目的は,法律文書の収集プロセスの自動化,機関文法の注釈付け,ハイパーグラフによる重要機関間の相互関係の分析である。
論文 参考訳（メタデータ） (2022-09-02T10:57:47Z)
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。