発言者の重要性：イタリア議会議事録における権威認識型マルチビューRAG

要旨

議会議事録は民主的審議の一次記録であるが、その量と断片化により、市民・ジャーナリスト・研究者が多角的にアクセスすることは困難である。検索拡張生成（RAG）を議会議事録に適用すると、3つの具体的なリスクが生じる。すなわち、最も頻繁に発言する者の優位、トピックに関する専門性に応じて発言者を重み付けできないこと、そして政治的機微を含む文章における引用の誤帰属である。本稿では、これらのリスクに同時に対処する、イタリア代議院を対象としたRAGシステムであるParliamentRAGを提案する。その中核的貢献は、トピック依存の権威モデルであり、現在のクエリの関数として各発言者の権威を推定し、職業、教育、過去の発言といった解釈可能な構成要素を組み合わせる。ユーザーのクエリが与えられると、システムは関連する発言チャンクを取得し、会派横断でトピック関連の専門家を特定し、彼らの視点を総合した要約を、裏付けとなる引用とともに生成する。ParliamentRAGは、自動指標と6人の分野専門家によるブラインドA/B人間評価を組み合わせた2段階のプロトコルを用いて、15の政策トピックにおいてGoogle NotebookLMと比較評価された。本システムは、会派間のカバレッジがより高く（0.97対0.95）、引用の忠実性が完全であり（1.00対0.95）、出典関連の側面では専門家の選好がより強い。一方、散文を重視する側面ではNotebookLMが依然として優れている。

English

Parliamentary proceedings are a primary record of democratic deliberation, yet their volume and fragmentation make multi-perspective access difficult for citizens, journalists, and researchers. Applying Retrieval-Augmented Generation (RAG) to parliamentary transcripts introduces three specific risks: dominance of the most frequent speakers, inability to weight speakers according to topical expertise, and citation misattribution in politically sensitive text. We present ParliamentRAG, a RAG system for the Italian Chamber of Deputies that addresses these risks jointly. Its core contribution is a topic-dependent authority model that estimates each speaker's authority as a function of the current query, combining interpretable components such as profession, education, and previous interventions. Given a user query, the system retrieves relevant speech chunks, identifies topic-relevant experts across parliamentary groups, and generates a summary synthesizing their perspectives, accompanied by supporting quotations. ParliamentRAG is evaluated against Google NotebookLM on 15 policy topics via a two-level protocol combining automated metrics and blind A/B human evaluation by six domain experts. The system achieves higher coverage across political groups (0.97 vs. 0.95), perfect quotation faithfulness (1.00 vs. 0.95), and stronger expert preferences on source-related dimensions, while NotebookLM remains stronger on prose-oriented dimensions.