EMNLPApr, 2020

自然语言处理在可持续发展中的应用：以神经标记为例，增强社区画像

PDF
TL;DR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。
发现论文，激发创造
  • 社区学习：通过自然语言处理理解社区以实现积极影响

    在后疫情世界中，经济动荡对城市社区尤为严重，为了帮助社区发展，本文提出一种计算任务 —— 社区学习​​，该任务通过提取社区的自然语言数据并将其转化为适合进一步下游应用的知识图谱结构来实现，该方法已成功用于家庭无家可归和教育领域。

    Oct, 2022

  • 机器学习自然语言处理分析青年观点：可持续青年发展政策的主要趋势和重点领域

    该研究分析了七个不同国家、三种语言的青年社交网络数据，利用机器学习和自然语言处理技术，采用文本分类器进行情感分析，发现青年参与可持续发展议程的观点和态度，并发现了不同年龄、性别和种族之间的偏见和差异。结果表明，理解孩子和青年的兴趣、作用和观点有助于实现 2030 年议程目标。

    Nov, 2022

  • 利用自然语言处理对食品系统本体进行组织分类

    利用自然语言处理方法识别组织实体的分类任务，实现与食物系统本体论的知识图谱构建和整合，研究结果表明 NLP 模型在分类任务上表现良好，且可以广泛应用于其他分类问题。

    Sep, 2023

  • 社交媒体与人工智能在可持续城市和社会中的运用：一个水质分析案例

    提出了一种自然语言处理框架，通过文本分类和主题建模的方法，自动收集并分析社交媒体中与水相关的帖子，以便进行数据驱动决策。

    Apr, 2024

  • 深度学习基于自然语言处理的进展：一项调查

    该研究综述了深度学习方法和模型在自然语言处理方面的应用和进展，分析和比较了不同方法和先进模型对语义分析和 NLP 任务领域的促进作用。

    Mar, 2020

  • 通过自然语言处理进行计算机工作市场分析

    利用自然语言处理技术从职位描述中提取相关信息，包括解决训练数据的稀缺性、标注指南的缺乏以及从职位广告中提取有效信息的不足等挑战，最终通过引入抽取方法和多个数据集相辅相成的检索增强模型来提高整体性能，并将提取到的信息置于特定分类体系中。

    Apr, 2024

  • 迈向可持续发展：综合环境健康监测的新型集成机器学习模型

    城市化对经济增长有促进作用，但也通过环境恶化对环境造成危害。机器学习已成为一个有很大潜力的工具，通过识别关键的预测特征来跟踪环境恶化。最近的研究专注于利用污染物水平和颗粒物作为环境状态指标来开发预测模型，以勾勒出所面临的挑战。机器学习被用来识别与环境恶化相关的模式。该研究旨在帮助政府识别干预点，改进规划和保护工作，并最终促进可持续发展。

    Aug, 2023

  • 重视过程，以更好地为原住民社区提供语言技术服务

    通过采访 17 位在澳大利亚从事或支持土著和 / 或托雷斯海峡岛民社区语言技术项目的研究人员，本文探讨了在为土著语言构建 NLP 技术时的伦理考虑，并建议 NLP 研究人员应关注与土著社区的互动过程，而不仅仅关注去语境的产物。

    Feb, 2024

  • 超越良好意愿：报告面向社会公益的自然语言处理研究领域

    该论文介绍了 NLP4SGPAPERS 数据集及其三项关联任务，即识别解决社会问题的论文、映射至联合国可持续发展目标、识别解决任务和使用方法，并使用最先进的 NLP 模型分别处理这些任务，帮助研究人员全面了解 NLP4SG 领域。

    May, 2023

  • 利用自然语言处理从社交网络文本中提取高准确度的位置信息

    机器学习和自然语言处理可以通过预测实时的恐怖袭击来帮助打击恐怖主义，本研究通过使用社交网络文本来提取必要信息建立合适的恐怖袭击预测数据集，实验发现现有解决方案在地点识别方面准确率较低，我们的解决方案得以解决，并将扩展解决方案以提取日期和行动信息来实现项目目标。

    Aug, 2023