你的州有多可预测？利用词汇与上下文信息预测州级立法议程行动
计算与语言
2018-06-15 v1
摘要
对美国国会立法与唱名投票的建模在既往文献中受到显著关注。然而，尽管全美 50 个州政府及华盛顿特区每年提出逾 10 万项法案，且平均通过率超过 30%，州级分析所受关注相对较少，部分原因在于获取必要数据的困难。由于各州立法机构受自身程序、政治与议题引导，定性评估影响立法倡议成功概率的因素颇为困难。在此，我们提出若干方法，对全美 50 州及华盛顿特区的法案接受议程行动的概率进行建模。我们利用逾百万项法案的词汇内容，以及由立法机构与立法者衍生的上下文特征构建预测模型，从而得以比较对立法过程重要的各类因素。此外，我们表明这些信号具有互补的预测能力，二者结合相较各州特定基线平均准确率提升 18%。
引用
@article{arxiv.1806.05284,
title = {How Predictable is Your State? Leveraging Lexical and Contextual Information for Predicting Legislative Floor Action at the State Level},
author = {Vlad Eidelman and Anastassia Kornilova and Daniel Argyle},
journal= {arXiv preprint arXiv:1806.05284},
year = {2018}
}
备注
In Proceedings of COLING 2018