解耦美国国会中的主动与被动联署

Giuseppe Russo; Christoph Gote; Laurence Brandenberger; Sophia Schlosser; Frank Schweitzer

解耦美国国会中的主动与被动联署

机器学习 2022-05-20 v1 计算与语言计算机与社会数据分析、统计与概率机器学习

作者: Giuseppe Russo , Christoph Gote , Laurence Brandenberger , Sophia Schlosser , Frank Schweitzer

摘要

在美国国会中，立法者可使用主动与被动联署来支持法案。我们表明这两类联署由两种不同动机驱动：对政治同僚的支持与对法案内容的支持。为此，我们开发了一种基于编码器+RGCN的模型，从法案文本与演讲转录中学习立法者表示。这些表示以0.88的F1分数预测主动与被动联署。将我们的表示应用于预测投票决策，表明其具有可解释性并能泛化至未见任务。

关键词

联署美国国会立法者表示 RGCN 法案文本演讲转录

引用

@article{arxiv.2205.09674,
  title  = {Disentangling Active and Passive Cosponsorship in the U.S. Congress},
  author = {Giuseppe Russo and Christoph Gote and Laurence Brandenberger and Sophia Schlosser and Frank Schweitzer},
  journal= {arXiv preprint arXiv:2205.09674},
  year   = {2022}
}

备注

20 pages, 10 figures, 6 tables

解耦美国国会中的主动与被动联署

摘要

关键词

引用

备注

相关论文