PAR：融合社会语境与专家知识的政治行动者表示学习

对政治行动者的意识形态视角进行建模是计算政治科学中的一项基本任务，在许多下游任务中有应用。现有方法通常局限于文本数据和投票记录，而忽视了用于整体意识形态分析的丰富社会语境和有价值的专家知识。本文中，我们提出 \textbf{PAR}，一个联合利用社会语境与专家知识的\textbf{政治行动者}\textbf{表示}学习框架。具体而言，我们检索并提取关于立法者的事实陈述以利用社会语境信息。然后我们构建异质信息网络以融入社会语境，并使用关系图神经网络学习立法者表示。最后，我们用三个目标训练 PAR，以将表示学习与专家知识对齐、建模意识形态立场一致性，并模拟回音室现象。大量实验表明，PAR 更擅长增强政治文本理解，并成功推进了政治视角检测和点名投票预测中的最优水平。进一步分析证明，PAR 学习到的表示反映了政治现实，并为政治行为提供了新的见解。