本研究论文探讨NLP应用在社区分析中的高潜力，提出了新的自动UPV分类任务，研究了包含一个详细语料库分析和一些基线神经模型的数据集，实验结果表明这个问题具有挑战性，同时也提出了未来在NLP和SD交叉领域的研究方向。

Apr, 2020

本文提出一种基于自然语言处理技术的知识管理框架，用于政策分析领域，旨在自动化重复任务，将政策分析过程从几周缩短至几分钟。该框架平台、语言和政策无关，可用于生态系统恢复、激励机制等领域的分析。

Jan, 2022

自然语言处理作为一种计算机工具，可对政治活动中的文本进行解析，包括文本分类、主题建模、事件提取和文本标度等方法，并且这些方法可以用于数据收集、政策解释、政策沟通和政策影响调查等四大应用领域。但同时也需要注意潜在的局限性和伦理问题。

Feb, 2023

该研究旨在通过提取变量关系，并利用网络综合它们的发现，同时与相关学科的主要概念相关联，以合理地利用自然语言处理来帮助学者跟踪快速发展的领域中的新发现，特别是对于类似气候变化这样需要跨学科解决方案的复杂主题。

Jun, 2023

我们提出了一个文本挖掘系统，支持对大量政府调查结果的探索。通过使用词嵌入、文本分类和可视化，我们转化了爱尔兰政府对工业学校的调查结果，提供了一个互动的基于Web的平台，以解开文本中的新历史洞见。

Aug, 2023

通过对一组包含750条推特的新数据集进行分类实验，我们比较了各种常用文本分类器的性能，在分类平衡度增加的情况下，监督机器学习方法表现更好，而传统机器学习方法如逻辑回归和随机森林与深度学习方法在性能上相似，但需要较少的训练时间和计算资源，这对社会科学研究中的短文本分析具有重要意义。

Oct, 2023

使用GPT 3.5和GPT 4模型对议会法案和听证会进行分类，与人工干预程度相关的三种使用情景中，我们的结果表明完全依赖最小化人工干预的GPT不够充分，人工投入程度越高准确性越高，并在最需要人工干预的情况下取得了令人惊讶的高准确率。然而，优秀的使用情景中的83%准确率仅在两个模型达成一致的65%数据上实现，暗示着类似我们的方法相对容易实施，并可实现对大多数给定数据集的自动编码，从而节省资源并降低成本。

Oct, 2023

利用弱监督方法快速构建印尼自然语言处理数据集，通过使用标注函数生成软标签数据集，进行多类别分类和情感分类的基准实验，得到了相应的测试性能结果，并提供了数据集和标注函数以供进一步研究和探索。

Oct, 2023

我们提出了一种从国家法律和政策中提取气候目标的方法，并利用分类器可靠地识别三类目标（“净零”，“减排”和“其他”）的文本提及，并调查了模型的偏见和公平性影响，最后通过在全球国家气候法律和政策以及联合国气候变化框架公约提交文件的 Climate Policy Radar 数据集上运行分类器产生的数据集的特征，突出了自动化和可扩展的数据收集对于现有气候政策数据库和进一步研究的潜力，为决策者和研究人员提供了更易获取的重要气候政策要素。

Apr, 2024

Anthropogenic ecological crisis has prompted the NLP community to address the lack of research on environmental topics, leading to the creation of the EcoVerse dataset and the development of an annotation scheme and BERT-based models for analyzing environmental impacts.

Apr, 2024