一种投票预测方法技术

本发明专利技术公开了一种投票预测方法，包括以下步骤：利用议员的背景信息初始化立法者的表示向量，并利用议员之间的关系网络信息对表示进行更新；使用议案的标题和描述作为输入，利用LSTM模型进行编码，得到议案的表示向量；将议员和议题投射到同一个向量空间中，得到议员和议题在同一空间里的表示；对原始输入文本进行语义依存分析，得到语义依存关系图；然后把关系图中的每个词节点转换为相应的词向量表示，每条依存边转换为相应的one

【技术实现步骤摘要】
一种投票预测方法


[0001]本专利技术属于数据处理领域，尤其涉及一种投票预测方法。

技术介绍

[0002]投票预测的目的是利用议员投票的历史记录来估计他们对新兴问题的可能态度。由于议员的偏好和文化背景对他们的立场和诉求有很大影响，从投票数据中学习议员的表示已成为预测其投票倾向的有效工具。因此，如何提高投票预测准确性成为亟待解决的技术问题。

技术实现思路

[0003]本专利技术的目的在于克服现有技术存在的以上问题，提供一种投票预测方法。
[0004]为实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：一种投票预测方法，包括以下步骤：步骤一：利用议员的背景信息初始化立法者的表示向量，并利用议员之间的关系网络信息对表示进行更新；步骤二：使用议案的标题和描述作为输入，利用LSTM模型进行编码，得到议案的表示向量；步骤三：将议员和议题投射到同一个向量空间中，得到议员和议题在同一空间里的表示；步骤四：对原始输入文本进行语义依存分析，得到语义依存关系图；步骤五：然后把关系图中的每个词节点转换为相应的词向量表示，每条本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种投票预测方法，其特征在于：包括以下步骤：步骤一：利用议员的背景信息初始化立法者的表示向量，并利用议员之间的关系网络信息对表示进行更新；步骤二：使用议案的标题和描述作为输入，利用LSTM模型进行编码，得到议案的表示向量；步骤三：将议员和议题投射到同一个向量空间中，得到议员和议题在同一空间里的表示；步骤四：对原始输入文本进行语义依存分析，得到语义依存关系图；步骤五：然后把关系图中的每个词节点转换为相应的词向量表示，每条依存边转换为相应的one
‑
hot编码，并输入SGN block卷积层；步骤六：将SGN block卷积层的输出作为全连接层的输入；步骤七：最后通过softmax进行归一化处理。2.根据权利要求1所述的一种投票预测方法，其特征在于：所述步骤一中具体将每个议员看成一个节点，并将发起人和联合发起人之间的连接作为边，构建一个议员的加权关系网络，利用一段时间的发起人和联合发起人数据得到邻...

【专利技术属性】
技术研发人员：杨钰雯，
申请(专利权)人：北京清博智能科技有限公司，
类型：发明
国别省市：