論文の概要: Graph-Augmented LLMs for Swiss MP Ideology Prediction

• arxiv url: http://arxiv.org/abs/2605.04643v1
• Date: Wed, 06 May 2026 08:39:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.730376
• Title: Graph-Augmented LLMs for Swiss MP Ideology Prediction
• Title（参考訳）: スイスのMPイデオロギー予測のためのグラフ拡張LDM
• Authors: Yifei Yuan, Luis Salamanca, Sophia Schlosser, Laurence Brandenberger,
• Abstract要約: 議会議員のイデオロギー的地位を近似することは、政治科学の基本的な課題である。 本稿では,検索拡張生成パイプラインを実装したLPMフレームワークPG-RAGを提案する。 スイス議会データセットから得られたデータを用いて,イデオロギー予測の課題に対するアプローチを評価する。
• 参考スコア（独自算出の注目度）: 3.0137314539272246
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Approximating the ideological position of Members of Parliament (MPs) is a fundamental task in political science, helping researchers understand legislative behavior, party alignment, and policy preferences. While Large Language Models (LLMs) have shown promising results in estimating MPs' ideological stances, there are more actors and elements in the parliamentary system, and relations between them, that could provide a wider and more informative picture. However, due to the complexity of integrating them in the prediction task, these additional elements are generally ignored. In this work, we propose an LLM framework, PG-RAG, that implements a retrieval-augmented generation pipeline: it first queries a political knowledge graph (KG) and then integrates the resulting graph-structured information into the context. This allows for capturing both textual semantics and inter-MP relationships, another relevant information source in any parliamentary system. We evaluate the approach on the task of ideology prediction, using data from a Swiss parliamentary dataset. When comparing graph-augmented models against several state-of-the-art baselines, the results demonstrate that incorporating this enriched information, which encodes information about different entities and relations, improves prediction performance. These results help to highlight the value of domain-specific relational information in modeling political behavior.
• Abstract（参考訳）: 議会議員のイデオロギー的地位を近似することは、政治科学における基本的な課題であり、研究者が立法行動、政党の整合性、政策の嗜好を理解するのを助ける。 LLM(Large Language Models)は、議員のイデオロギー的姿勢を推定する上で有望な結果を示しているが、議会制度にはより多くのアクターと要素があり、それらの関係はより広く、より情報的な図面を提供する可能性がある。 しかし、予測タスクにそれらを統合する複雑さのため、これらの追加要素は一般的に無視される。 本研究では,まず政治知識グラフ(KG)を問合せし,その結果のグラフ構造化情報をコンテキストに組み込む,検索拡張生成パイプラインを実装したLPMフレームワークPG-RAGを提案する。 これにより、議会システム内の他の関連情報ソースであるテキスト意味論とMP間関係の両方をキャプチャすることができる。 スイス議会データセットから得られたデータを用いて,イデオロギー予測の課題に対するアプローチを評価する。 グラフ拡張モデルと最先端のベースラインを比較すると、様々なエンティティや関係に関する情報をエンコードするこのリッチな情報を組み込むことで、予測性能が向上することを示す。 これらの結果は、政治的行動のモデル化におけるドメイン固有の関係情報の価値を強調するのに役立つ。

関連論文リスト

• Exploiting contextual information to improve stance detection in informal political discourse with LLMs [0.0]
  本研究では,大規模言語モデル(LLM)を用いた非公式オンライン談話における政治的姿勢検出について検討した。 実世界の政治フォーラムデータセットを用いて、ユーザのイデオロギー的傾向、繰り返しトピック、言語パターンを要約した構造化プロファイルを生成する。 文脈的プロンプトは、+17.5%から+38.5%に改善され、従来のアプローチを超越した74%の精度を実現している。
  論文  参考訳（メタデータ） (2026-02-04T16:49:26Z)
• Integrating Large Language Models and Knowledge Graphs to Capture Political Viewpoints in News Media [3.509771256227556]
  与えられたトピックについて表現された視点の範囲を特定するパイプラインを開発する。 また、Wikidataから引き出されたセマンティックな記述でクレーム表現を豊かにしています。 英国移民論争を中心としたベンチマークで、代替ソリューションに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-12-16T20:10:55Z)
• Identifying Algorithmic and Domain-Specific Bias in Parliamentary Debate Summarisation [13.982513887272683]
  本稿では,欧州議会の議論を要約するために,大規模言語モデル(LLM)の利用について検討する。 本稿では,テキストのコヒーレンスと内容の忠実度を向上する構造化多段階要約フレームワークを提案する。 定位バイアスと党派バイアスが一貫した証拠が見つかり、一部の話者は体系的にあまり表現されていないか、あるいは誤分布している。
  論文  参考訳（メタデータ） (2025-07-16T11:49:33Z)
• 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)
• Political-LLM: Large Language Models in Political Science [159.95299889946637]
  大規模言語モデル(LLM)は、政治科学のタスクで広く採用されている。 政治LLMは、LLMを計算政治科学に統合する包括的な理解を促進することを目的としている。
  論文  参考訳（メタデータ） (2024-12-09T08:47:50Z)
• Enhancing Graph Contrastive Learning with Reliable and Informative Augmentation for Recommendation [84.45144851024257]
  離散コードによるより強力な協調情報を用いて、コントラスト的なビューを構築することにより、グラフのコントラスト学習を強化することを目的とした、新しいフレームワークを提案する。 中心となる考え方は、ユーザとアイテムを協調情報に富んだ離散コードにマッピングし、信頼性と情報に富んだコントラッシブなビュー生成を可能にすることである。
  論文  参考訳（メタデータ） (2024-09-09T14:04:17Z)
• 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)
• PAR: Political Actor Representation Learning with Social Context and Expert Knowledge [45.215862050840116]
  我々は,textbfPolitical textbfActor textbfRepresentation学習フレームワークであるtextbfPARを提案する。 我々は,社会的文脈情報を活用するために,議員に関する事実文を検索し,抽出する。 次に、社会的文脈を取り入れた異種情報ネットワークを構築し、リレーショナルグラフニューラルネットワークを用いて立法者表現を学習する。
  論文  参考訳（メタデータ） (2022-10-15T19:28:06Z)
• RU-Net: Regularized Unrolling Network for Scene Graph Generation [92.95032610978511]
  シーングラフ生成(SGG)は、オブジェクトを検出し、各オブジェクト間の関係を予測することを目的としている。 既存のSGG法は,(1)あいまいな対象表現,2)関係予測の多様性の低下など,いくつかの問題に悩まされることが多い。 両問題に対処する正規化アンローリングネットワーク(RU-Net)を提案する。
  論文  参考訳（メタデータ） (2022-05-03T04:21:15Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)

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。