权威感知多视角RAG：面向意大利议会记录

议会程序是民主审议的主要记录，然而其数量庞大且碎片化，使得公民、记者和研究者难以从多角度获取信息。将检索增强生成（RAG）应用于议会记录文本，引入了三个特定风险：最频繁发言者的主导地位、无法根据议题专业知识对发言者进行加权，以及在政治敏感文本中的引用错误归属。我们提出了ParliamentRAG，一个针对意大利众议院的RAG系统，旨在共同解决这些风险。其核心贡献是一个依赖于议题的权威模型，该模型根据当前查询估计每位发言者的权威性，结合了职业、教育背景和先前发言等可解释组件。给定用户查询，系统检索相关的发言片段，识别跨议会团体的议题相关专家，并生成综合其观点的摘要，附有支持性引文。ParliamentRAG在15个政策议题上，通过结合自动化指标和六位领域专家的盲法A/B人工评估的两级协议，与Google NotebookLM进行了对比评估。该系统在跨政治团体的覆盖度上更高（0.97对比0.95），引文忠实度完美（1.00对比0.95），并在来源相关维度上获得更强的专家偏好，而NotebookLM在散文导向维度上仍表现更强。