议会成员投票预测框架
社会与信息网络
2025-05-20 v1 机器学习
摘要
跟踪立法者的投票方式对于政府透明度至关重要。虽然许多议会投票记录在线上可用，但往往难以解读，难以理解跨议会的立法行为并预测投票结果。准确预测投票具有多种潜在益处，包括通过过滤通过率低的法案以简化议会工作，或细化提议以增加通过几率。本研究利用先进的机器学习和数据分析技术开发了一个全面的框架，用于预测跨多个立法机构的议会投票结果。我们引入Voting Prediction Framework(VPF)，一个数据驱动的框架，旨在在立法者层面和整个法案层面预测议会投票结果。VPF包含三个关键组件：（1）数据收集——通过API、网页爬虫和结构化数据库从多个国家收集议会投票记录；（2）解析与特征集成——处理和丰富数据，添加诸如立法者资历等有意义特征，以及法案的内容特征；（3）预测模型——使用机器学习预测每位议员将如何投票以及法案是否通过。该框架将开源，任何人都可使用或修改。为评估VPF，我们分析了来自加拿大、以色列、突尼亚、英国和美国的超过500万条投票记录。我们的结果显示，VPF在预测单个投票时可达最高85%的精确率，在预测整体法案结果时可达最高84%的准确率。这些发现凸显了VPF作为政治分析、政策研究和提高公众获取立法决策透明度的有价值工具的潜力。
引用
@article{arxiv.2505.12535,
title = {Framework of Voting Prediction of Parliament Members},
author = {Zahi Mizrahi and Shai Berkovitz and Nimrod Talmon and Michael Fire},
journal= {arXiv preprint arXiv:2505.12535},
year = {2025}
}