arXiv cs.CL· Prakash Poudyal, Nischal Karki, Amrit Dahal, Rajani Chulyadyo, Sameer Tamrakar, Bal Krishna Bal·· 11 小时前AI 评分18
尼泊尔政治文本选举承诺的AI建模与可视化对比研究
From Promises to Accountability: Comparative AI Modeling and Visualization of Electoral Commitments in Nepali Political Texts
AI 导读
研究构建首个尼泊尔政治文本金标准数据集（Cohen's kappa = 0.777），并对比机器学习、深度学习和LLM自动抽取选举承诺的效果。
正文 · AI 翻译
摘要：选举承诺挖掘是指对选举候选人或政党在竞选期间所作选举承诺的分析。然而，许多当选候选人和政党，尤其是在发展中的南亚国家，并未完全兑现其在选举前作出的承诺。即使在选举之后，通过竞选宣言、海报、小册子、视频和其他竞选材料呈现的承诺也往往未被系统或透明地存档。因此，这些承诺往往随时间流逝而淡出，使得难以让当选候选人对其承诺负责。为解决这一长期存在的问题，本研究旨在开发一个能够结构化候选人在选举期间所作承诺的系统。在这项工作中，我们创建了首个尼泊尔语政治文本的金标准数据集（Cohen's kappa = 0.777），并评估了机器学习、深度学习和大型语言模型以自动提取和分析选举承诺。LaBSE-LR 在机器学习模型中取得了最佳结果（准确率 0.897，宏 F1 分数 0.896，AUROC 0.947），而 fastText-LSTM 在深度学习模型中表现最佳（准确率 0.914，宏 F1 分数 0.913，AUROC 0.961）。在评估的三个大型语言模型中，Qwen3-8B 在少样本设置下表现最佳（宏 F1 分数 0.848）。这项工作的成果被集成到一个移动应用中，在 GAI 的支持下可以可视化承诺，从而增强透明度、公民参与和选举问责。
| 评论： | 正在《自然语言处理》（剑桥大学出版社）审稿中；已提交修订稿。34 页，5 幅图，13 张表 |
| 主题： | 计算与语言（cs.CL） |
| ACM 分类： | I.2.7 |
| 引用为： | arXiv:2610.32150 [cs.CL] |
| （或 arXiv:2610.32150v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32150 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Nischal Karki [查看电子邮件]
[v1]
2026 年 10 月 23 日星期五 04:32:17 UTC（3,416 KB）
来源：arXiv cs.CL · arxiv.org