LegiGPT: 基于大语言模型的党派政治与交通政策分析

鉴于立法者政治意识形态对立法决策产生的显著影响，分析其对交通相关政策制定的影响具有至关重要的意义。本研究引入一种新型框架，将大语言模型 (LLM) 与可解释人工智能 (XAI) 集成，以分析交通相关立法提案。采用来自韩国第 21 届国会的立法提案数据，识别影响交通政策制定的关键因素，包括政治党派和赞助人特征。LLM 用于基于关键词、句子和上下文相关性进行分阶段筛选，以分类交通相关的立法提案。随后应用 XAI 技术来检验政治党派 affiliation 与相关属性之间的关系。结果揭示，保守派和进步派赞助人数量和比例，以及选区面积和选民人数，是塑造立法结果的关键决定因素。这些发现表明，两个党派通过不同的形式参与（例如发起或支持提案），为制定双党立法做出了贡献。这一集成方法为理解立法动态、指导未来政策开发提供了有价值的工具，具有更广泛的基础设施规划和治理意义。