Resumen Técnico: RAG Multivista con Conciencia de Autoridad sobre los Procedimientos Parlamentarios Italianos

1. Planteamiento del Problema

Los procedimientos parlamentarios sirven como el registro principal de la deliberación democrática, pero su enorme volumen y fragmentación dificultan el acceso multi-perspectiva para ciudadanos, periodistas e investigadores. La navegación manual es costosa y los portales estándar de búsqueda basados en palabras clave devuelven documentos aislados en lugar de respuestas sintetizadas y multivista.

La aplicación de un RAG (Generación Aumentada por Recuperación) estándar a las transcripciones políticas introduce tres riesgos específicos identificados por los autores:

1. Dominancia de Oradores Frecuentes: Los LLM estándar tienden a sobrerrepresentar a los actores más vocales, reflejando la asimetría de la distribución del corpus en lugar del panorama político real.
2. Falta de Autoridad Temática: Los sistemas suelen aplanar a todos los oradores basándose en la similitud de contenido, ignorando metadatos que distinguen a un experto temático de un comentarista tangencial.
3. Atribución Errónea de Citas: En contextos políticamente sensibles, incluso tasas bajas de citas alucinadas o mal atribuidas son incompatibles con el uso periodístico o institucional.

El desafío consiste en construir un sistema que proporcione resúmenes fieles y multivista de las posiciones parlamentarias, garantizando al mismo tiempo la trazabilidad hacia los discursos originales y evitando la sobrerrepresentación de intervenciones aisladas.

2. Metodología: ParliamentRAG

Los autores presentan ParliamentRAG, un sistema RAG diseñado para la Cámara de Diputados de Italia. El sistema se basa en un Grafo de Conocimiento (KG) unificado y sigue un flujo de trabajo de recuperación–clasificación–generación que impone la representación multivista, la conciencia de autoridad y la trazabilidad de las citas como restricciones de primer orden.

2.1 Arquitectura del Grafo de Conocimiento

El sistema opera sobre un grafo de propiedades almacenado en una instancia única de Neo4j, integrando datos de la infraestructura de datos abiertos de la Cámara de Diputados de Italia (formato RDF).

• Esquema: El grafo modela una estructura jerárquica: Sesión → Debate → Fase → Discurso → Fragmento (Chunk).
• Entidades: Incluye 387 diputados, 10 grupos parlamentarios, 80 comisiones, 6.010 debates y 40.416 discursos.
• Enriquecimiento: Las propiedades de los nodos incluyen datos biográficos (educación, profesión) embebidos como vectores, y relaciones calificadas en el tiempo (por ejemplo, MIEMBRO_DE_GRUPO con fechas de inicio/fin) para gestionar los cambios de coalición.
• Unidades de Recuperación: Los discursos se segmentan en 151.073 fragmentos. Cada fragmento almacena texto, un embedding denso y desplazamientos de caracteres (start_char_raw, end_char_raw) para permitir la reconstrucción literal.

2.2 Recuperación de Doble Canal

Para asegurar tanto la relevancia semántica como la pericia institucional, el sistema emplea una estrategia de recuperación de doble canal:

1. Canal Denso: Realiza una búsqueda de similitud vectorial sobre los fragmentos de discursos para capturar la relevancia temática.
2. Canal de Grafo: Recupera evidencia basada en la actividad legislativa. Identifica actos parlamentarios relevantes para la consulta, recorre hasta sus signatarios (primarios y cofirmantes) y recupera sus fragmentos de discurso asociados. También privilegia los fragmentos de oradores que son miembros de comisiones relevantes.

2.3 Reclasificación con Conciencia de Autoridad

La evidencia recuperada se fusiona y se reclasifica utilizando una puntuación compuesta:
$$score(e) = w_{rr}r(e) + w_{dd}d(e) + w_{vv}v(e) + w_{a}authority(s_e, q) + w_{\sigma}\sigma(e)$$
Donde $s_e$ es el orador. Los pesos priorizan la relevancia ($0.35$) y la prominencia ($0.25$), mientras que la diversidad y la cobertura ($0.15$y$0.20$) aseguran el equilibrio de los grupos.

Cálculo de la Puntuación de Autoridad:
La autoridad se computa después de la recuperación para informar la clasificación sin anular la relevancia temática. Es una puntuación dependiente de la consulta que agrega:

• Similitud Semántica: Similitud de coseno entre la consulta y los atributos del orador (profesión, educación, roles de comisión).
• Señales de Actividad: Conteos con decaimiento temporal de actos legislativos firmados e intervenciones de discurso.
• Decaimiento Temporal: La actividad reciente tiene un peso mayor que la prominencia pasada.
• Afiliación de Coalición: Se resuelve en el momento de la consulta para asegurar que solo se consideren las actividades actuales del grupo.

2.4 Flujo de Generación Multivista

El proceso de generación sigue un flujo de cuatro etapas:

1. Analizar: La consulta se divide en afirmaciones atómicas vinculadas a la evidencia para cada grupo parlamentario.
2. Generar: Se produce una sección para cada uno de los 10 grupos parlamentarios, ordenados por la puntuación de autoridad de los oradores dentro de ese grupo. Si no existe evidencia para un grupo, esto se indica explícitamente.
3. Integrar: Las secciones se combinan en una narrativa coherente.
4. Citar: Crucialmente, el LLM nunca genera el texto de la cita. Inserta marcadores de posición con desplazamientos de caracteres, que son reemplazados de forma determinista por subcadenas literales de las transcripciones originales. Esto garantiza la fidelidad de la cita al 100% por construcción.

3. Evaluación Experimental

El sistema fue evaluado frente a Google NotebookLM (un sólido baseline comercial que utiliza Gemini 3) mediante un benchmark de 15 temas de política.

3.1 Protocolo

• Dataset: 15 temas que abarcan ocho macroáreas (ej. Justicia, Inmigración, Economía).
• Configuración del Baseline: Se proporcionó a NotebookLM un contexto curado de ~300 fragmentos por tema (relevantes + distractores) para simular una recuperación experta, ya que alimentar el corpus completo se consideró inviable.
• Evaluación:
  • Métricas Automatizadas: Cobertura (Grupos con Cita, Completitud), Fidelidad de la Cita y Autoridad Media.
  • Evaluación Humana: Seis expertos en la materia (periodistas, analistas) realizaron una prueba A/B ciega sobre 67 evaluaciones pareadas en nueve dimensiones de la escala Likert.

3.2 Resultados

Métricas Automatizadas:

• Fidelidad de la Cita: ParliamentRAG logró un 1.00 (perfecto), mientras que NotebookLM logró un 0.95.
• Cobertura de Grupos: ParliamentRAG cubrió el 0.97 de los grupos (frente al 0.95 de NotebookLM).
• Autoridad: ParliamentRAG citó oradores con una puntuación de autoridad media ligeramente superior (0.53 vs 0.52).

Evaluación Humana:

• Satisfacción General: Comparable entre ambos sistemas (4.24 para ParliamentRAG vs 4.27 para NotebookLM).
• Fluidez: NotebookLM fue preferido en dimensiones orientadas a la prosa (Calidad de Respuesta, Claridad), probablemente debido a su generación monolítica y a un modelo base más fuerte.
• Fuente y Equilibrio: ParliamentRAG superó significativamente a NotebookLM en dimensiones directamente alineadas con su diseño:
  • Cobertura de Fuente: 4.64 vs 4.39 (25% de preferencia vs 5% para NotebookLM).
  • Autoridad de la Fuente: 4.21 vs 4.00.
  • Percepción de Equilibrio: 4.66 vs 4.48.

4. Contribuciones Clave y Significado

El artículo reclama las siguientes contribuciones y significados:

1. Arquitectura Novel: Es el primer trabajo que integra grafos parlamentarios estructurados con un modelado de autoridad dependiente de la consulta y generación multivista dentro de una arquitectura RAG unificada.
2. Garantías por Construcción: El sistema proporciona una garantía estructural de fidelidad de cita literal, resolviendo un problema crítico para los sistemas de información cívica donde la alucinación es inaceptable.
3. Modelado de Autoridad: Introduce un método para estimar la autoridad del orador dinámicamente según la consulta, combinando señales biográficas, institucionales y temporales, en lugar de depender únicamente de la similitud de contenido.
4. Representación Equilibrada: El sistema asegura que los resúmenes representen a todos los grupos parlamentarios, evitando la dominancia de los oradores frecuentes.
5. Validación Empírica: La evaluación demuestra que, si bien los LLM de propósito general pueden sobresalir en fluidez, las restricciones arquitectónicas impuestas son superiores para la fiabilidad de la fuente, el equilibrio y la trazabilidad en contextos políticos.

Los autores concluyen que, aunque las limitaciones de fluidez pueden mitigarse con mejores modelos de lenguaje, las garantías respecto a la atribución literal y la cobertura sistemática de grupos requieren un soporte arquitectónico específico que el simple prompting no puede proporcionar. El sistema está desplegado en vivo en parliamentrag.it con el código fuente disponible bajo una licencia Apache-2.0.