AI による国政選挙の当落予測フレームワークの提案
～データ項目の重要な組合せを発見するWide Learning技術を活用

○吉田 由起子¹⁾、 柳瀬 隆史¹⁾、 加藤 孝史²⁾、 小柳 佑介¹⁾、 浅井 達哉¹⁾、 大堀 耕太郎¹⁾

1) 株式会社富士通研究所
2) 富士通九州ネットワークテクノロジーズ株式会社

Abstract

選挙候補者の当落を根拠付きで高精度に判定することを目指して、富士通研究所が開発したAI技術「Wide Learning」による選挙当落判定フレームワークを構築した。従来の選挙予測は分析者のスキルや情報源に強く依存する。一方、本研究では AIの入力データとして候補者の公認政党・趣味・主張、選挙区の特性等の公開情報と、有権者からの支持率等の一般的に用いられる調査データを使用することにより、一定の普遍性を有する選挙予測を可能としている。また、高精度の当落予測のみならず当落要因の知識発見も実現している。2016年参院選データで学習したモデルによる 2019年参院選選挙区の候補者の当落判定結果を評価しモデルの有用性について考察する。

Aiming to forecast elections with high accuracy and explainability, we devised an election forecasting framework using an AI technology "Wide Learning" developed by Fujitsu Laboratories. Conventional election forecasting methods strongly depend on the analyst's skill and information sources. On the other hand, our AI framework enables election forecasting to be universal due to the use of public information of candidate profiles and generally-used voting survey data as input data. Moreover, our AI technology can not only perform highly accurate forecasting but also discover important hypotheses about election results. We evaluate forecasting results about the Japanese House of Councillors election in 2019 by applying a model trained with data from that in 2016, and discuss the usefulness of the model.

Keywords

選挙予測，Wide Learning，説明可能AI

election forecasting，Wide Learning，explainable AI