典型文献
基于投票人影响因子的投票预测模型
文献摘要：
投票预测是计算政治学的应用之一,目前绝大多数预测模型都忽视投票过程中投票人之间的相互影响.针对此问题,文中提出基于投票人影响因子的投票预测模型.首先,提出投票人影响因子,用于刻画某位投票人在投票过程中对于其他投票人投票选择的影响,同时结合预训练模型提取的投票人特征,形成影响因子图,再输入图卷积神经网络中,学习投票人的相互影响,在一定程度上模拟真实的投票博弈过程.然后,考虑到法案文本中上下文信息的关联性,利用BiLSTM(Bi-directional Long Short-Term Memory)获得法案特征向量.鉴于法案文本的规范性导致的行文近似、用词重复,使用引入TF-IDF(Term-Frequency-Inverse Document Frequency)因子的TextRank,得到法案的关键词.在国外议会网站数据集上的实验表明文中模型性能较优,消融实验也验证每个模块对文中模型的性能均有一定程度的提升.
文献关键词：
计算政治学;投票预测;图卷积神经网络;影响因子;深度学习
中图分类号：
作者姓名：
张新昀;张绍武;任璐;杨亮;徐博;张益嘉;林鸿飞
作者机构：
大连理工大学 信息检索研究室 大连116023
文献出处：
引用格式：
[1]张新昀;张绍武;任璐;杨亮;徐博;张益嘉;林鸿飞-.基于投票人影响因子的投票预测模型)[J].模式识别与人工智能,2022(02):166-174
A类：
投票预测
B类：
人影,计算政治学,中投,某位,票选,预训练模型,因子图,图卷积神经网络,拟真,法案,上下文信息,BiLSTM,directional,Long,Short,Term,Memory,得法,特征向量,用词,TF,IDF,Frequency,Inverse,Document,TextRank,议会,明文,模型性能,消融实验
AB值：
0.325496
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
