论文用AI抽取尼泊尔选举承诺并集成到可视化移动应用
资讯摘要
论文针对尼泊尔选举承诺缺乏系统存档、难以问责的问题，构建首个尼泊尔政治文本金标准数据集（Cohen's kappa=0.777），并比较机器学习、深度学习和大型语言模型自动抽取选举承诺的效果。作者报告fastText-LSTM在深度学习模型中表现最佳（准确率0.914、宏F1 0.913、AUROC 0.961），Qwen3-8B在少样本设置下宏F1达0.848。成果集成到移动应用中，借助GAI可视化承诺。
要点速读
- 论文构建首个尼泊尔政治文本金标准数据集，标注一致性Cohen's kappa为0.777
- fastText-LSTM在深度学习模型中最佳：准确率0.914、宏F1 0.913、AUROC 0.961；LaBSE-LR在机器学习模型中最佳
- Qwen3-8B在三个评估的大语言模型中少样本宏F1最高，为0.848；成果集成到移动应用可视化承诺
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。