Mapping Political-Elite Networks in Europe with a Multilingual Joint Entity-Relation Extraction Pipeline
作者: Kirill Solovev, Jana Lasser
分类: cs.CL
发布日期: 2026-06-25
备注: 34 pages, 17 figures
💡 一句话要点
提出多语言联合实体关系提取管道以解决政治精英网络映射问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 多语言处理 实体关系提取 知识图谱 社会网络分析 计算社会科学
📋 核心要点
- 现有方法在观察政治精英的复杂非正式关系时，通常需要大量手动编码，且自动化方法受限于简单的共现分析。
- 本文提出了一种模块化的多语言联合实体关系提取管道，能够从非结构化新闻中构建知识图谱，解决了跨语言能力和实体解析的挑战。
- 实验结果表明，该管道在文本正确率上达到了68.2%至93.7%的高水平，并在奥地利和波兰的案例研究中验证了其有效性。
📝 摘要（中文）
政治精英是否组织成寻租联盟或公民网络是比较政治学中的核心问题。然而，观察这些复杂的非正式关系历史上需要大量手动编码，而自动化文本数据方法主要限于简单的共现。近期的大型语言模型方法提供了前进的路径，但通常依赖于专有API，缺乏跨语言能力，并且在可扩展的实体解析上存在困难。本文提出了一种模块化的完全开放权重的多语言联合实体关系提取管道，从大量非结构化新闻语料库中构建有向的时间知识图谱。该方法结合了基于跨度的命名实体识别（NER）与三阶段链接级联，将提及映射到语言无关的Wikidata标识符，并使用受指导解码的高通量、受本体约束的专家混合模型提取基于领域本体的有向、签名关系。对3491个关系金标准的全面覆盖抽查显示文本正确率高达68.2%（严格标准）至93.7%（宽松标准）。
🔬 方法详解
问题定义：本文旨在解决如何有效观察和映射政治精英之间复杂的非正式关系，现有方法在规模化和跨语言能力上存在显著不足。
核心思路：提出一种模块化的多语言联合实体关系提取管道，利用开放权重和高通量模型，能够从海量非结构化文本中提取结构化关系。
技术框架：该方法包括命名实体识别（NER）、三阶段链接级联和基于本体的关系提取模块，整体流程从文本输入到知识图谱输出。
关键创新：最重要的创新在于构建了一个开放的多语言管道，能够实现跨语言的实体解析和关系提取，区别于依赖专有API的现有方法。
关键设计：在模型设计上，采用了混合专家模型和受指导解码策略，确保了高效的关系提取，并在参数设置上进行了优化以提高准确性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，该管道在3491个关系金标准的测试中，文本正确率达到了68.2%（严格标准）至93.7%（宽松标准），表明其在关系提取的准确性和可靠性方面具有显著优势。通过两项大规模案例研究，验证了其在实际应用中的有效性。
🎯 应用场景
该研究的潜在应用领域包括政治科学、社会网络分析和数据挖掘等。通过提供一个可靠的框架，研究者可以更好地理解和分析跨国政治精英网络的动态变化，推动计算社会科学的发展。未来，该方法还可扩展至其他领域的关系提取任务。
📄 摘要（原文）
Whether political elites organise into rent-seeking coalitions that capture public resources or civic networks that sustain governance is a central question in comparative politics. Yet observing these complex, informal, and adversarial ties at scale has historically required intensive manual coding, while automated text-as-data methods have largely been limited to simple co-occurrence. Recent large language model (LLM) approaches offer a path forward but often rely on proprietary APIs, lack cross-lingual capability, and struggle with scalable entity resolution. We present a modular, fully open-weight pipeline for multilingual joint entity-relation extraction that builds signed, temporal knowledge graphs from massive unstructured news corpora. It combines span-based named-entity recognition (NER) with a three-stage linking cascade mapping mentions to language-independent Wikidata identifiers; a high-throughput, ontology-constrained mixture-of-experts model then uses guided decoding to extract directed, signed relationships grounded in a domain ontology. A full-coverage spot-check against a 3491-relation gold standard shows high textual correctness (68.2% strict to 93.7% lenient). Two large-scale case studies validate the pipeline against the public record. In Austria, it reconstructs a political party's complete lifecycle, dating internal fractures and tracking personnel into successor factions and court convictions. In a Polish corpus, it uncovers the overlapping economic and governance networks of state-enterprise patronage, alongside the structurally balanced, signed conflict network of the polarized Civic Platform (Platforma Obywatelska, PO)--Law and Justice (Prawo i Sprawiedliwość, PiS) duopoly. By bridging raw multilingual text and structured relational data, our framework provides a robust, replicable foundation for cross-national empirical computational social science.