스위스 의회 의원 이념 예측을 위한 그래프 증강 LLM

요약

본 연구는 스위스 의회 데이터를 활용하여 의원의 이념적 위치를 예측하기 위한 새로운 LLM 프레임워크, PG-RAG를 제안합니다. PG-RAG는 검색 증강 생성(RAG) 파이프라인을 기반으로 정치 지식 그래프(KG)에서 얻은 구조적 관계 정보를 텍스트 컨텍스트에 통합하는 것이 핵심입니다. 실험 결과, 이러한 그래프 증강 정보가 의원 간의 엔티티 및 관계를 포착함으로써 기존 모델 대비 이념 예측 성능을 유의미하게 향상시키는 것을 입증했습니다.

핵심 포인트

• 정치학에서 의원의 이념적 위치 추정은 중요한 연구 과제이다.
• 기존 LLM만으로는 의회 시스템의 복잡한 행위자 및 관계 정보를 충분히 포착하기 어렵다.
• PG-RAG라는 새로운 프레임워크를 제안하여, 텍스트 기반 정보와 구조화된 지식 그래프(KG) 정보를 결합한다.
• 그래프 증강 모델은 의원 간의 엔티티 및 관계 정보를 통합함으로써 이념 예측 성능을 개선시킨다.