[论文解读] Brazilian Congress Structural Balance Analysis
本文将相关性聚类（CC）应用于2011–2016年巴西众议院（CD）数据生成的有符号投票网络，以分析结构平衡、政党联盟动态与极化现象。通过ILS-CC元启发式算法，识别出政党群体的演变，揭示2015年后政府联盟支持度下降的趋势，并确认网络具有高度结构平衡性，为政治重组与领导层更迭提供了实证验证。
In this work, we study the behavior of Brazilian politicians and political parties with the help of clustering algorithms for signed social networks. For this purpose, we extract and analyze a collection of signed networks representing voting sessions of the lower house of Brazilian National Congress. We process all available voting data for the period between 2011 and 2016, by considering voting similarities between members of the Congress to define weighted signed links. The solutions obtained by solving Correlation Clustering (CC) problems are the basis for investigating deputies voting networks as well as questions about loyalty, leadership, coalitions, political crisis, and social phenomena such as mediation and polarization.
研究动机与目标
- 通过有符号社交网络分析方法，研究巴西众议院的结构平衡与政治聚类。
- 检测在政治不稳定的时期，政党联盟、忠诚度与领导权动态的变化。
- 验证相关性聚类（CC）及其松弛变体（SRCC）在现实立法网络中的适用性。
- 通过投票相似性的计算聚类，识别调解角色、极化现象与联盟碎片化。
- 利用数据驱动的网络分析方法，确认实证政治趋势（如2016年联盟崩溃）。
提出的方法
- 从2011–2016年巴西众议院的投票记录中提取有符号投票网络，基于投票相似性定义加权有符号边。
- 应用ILS-CC元启发式算法求解相关性聚类（CC）问题，以优化内部凝聚力与外部冲突。
- 使用松弛的CC变体（SRCC）检测极化、调解与不同党派受欢迎程度等结构现象。
- 基于时间与政党分组标准生成网络实例，用于对比分析。
- 将结果与已知政治事件（如总统连任与联盟重组）进行验证。
- 采用文献中既有的度量方法评估网络平衡性，确认现实数据中存在高度结构平衡。
实验结果
研究问题
- RQ1巴西众议院的投票模式如何随时间反映结构平衡与政治聚类？
- RQ2网络分析为2014年迪尔玛·罗塞夫连任后政府联盟支持度减弱提供了哪些证据？
- RQ3中间政党（如PMDB与PSD）如何从政府联盟转向反对派，这一转变发生在何时？
- RQ4在众议院投票网络中，调解角色与领导结构在多大程度上显现？
- RQ5CC聚类结果与已记录的政治事件（如政党叛逃与联盟崩溃）相比如何？
主要发现
- 2015年迪尔玛·罗塞夫连任后，政府联盟失去大量支持，99%的议员被聚类为三组：一个大型中间联盟、一个反对派集团，以及由PT与PCDOB领导的核心政府集团。
- 2015年，中间政党PMDB、PP、PSD与PR经历重大转变，从政府联盟转为进入一个‘超中心’聚类，预示其2016年退出。
- 至2016年，PMDB、PDT、PRB、PP、PSD与PR已实质上整合为统一的反对派聚类，证实媒体所报道的联盟破裂。
- 2012年的网络显示出强烈的两极分化：一个由PT与PMDB领导的政府基础，与一个包含PSDB与DEM的反对派集团，以及部分中间党派的异见者。
- 从CD投票数据生成的有符号网络表现出高度结构平衡性，与先前关于现实世界有符号网络的研究发现一致。
- ILS-CC算法成功识别出调解角色，如政党领导人与委员会主席，他们在对立派系之间起到桥梁作用。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。