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

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

本文介绍了利用自然语言处理技术构建的问答型模型 ClimateQA，该模型可用于分析财务报告以确定与气候相关的内容，以应对气候变化对全球股市等投资领域的巨大影响。

Nov, 2020

利用自然语言处理技术 (NLP) 对大量的客观科研文章和研究进行分析是理解气候变化的多方面影响在各地的关键，使得我们能够从中提取和处理关于特定地区气候变化影响的关键信息。通过使用 BERT (Bidirectional Encoder Representations from Transformers) 进行命名实体识别 (NER)，我们可以高效地识别气候文献中的具体地理位置，该方法能够为特定地区的气候趋势分析，确定与气候变化有关的主题或关注点，追踪这些问题在时间上的进展，评估其频率、严重程度和潜在发展趋势。利用这种深入分析特定地区气候数据的方法，可以制定更具定制性的决策、适应措施和减轻策略，解决每个地区所面临的独特挑战，并提供基于数据洞察的更有效解决方案。这种方法通过对科学文本的深入探索，为决策者、工程师和环保人士等多方面的利益相关者提供可行的见解。通过主动理解这些影响，社会能够更好地做好准备，明智地分配资源，并设计出针对未来气候条件的量身定制战略，确保更具弹性的未来。

Jan, 2024

气候变化对人类健康的影响带来了前所未有的多样化挑战，本研究运用社交媒体分析和自然语言处理技术，特别以气候变化领域为基础进行预训练模型建立和推特情感分析，以了解公众对气候变化的态度和关注点，以便决策者、研究人员和组织能够有效了解公众的认知并制定相应的气候变化对策。

Oct, 2023

该论文讨论了 NLP 研究中使用计算模型所耗费的能量问题，提出了使用气候表现模型卡的可行性，以简化气候报告。

May, 2022

本研究旨在评估机器学习技术在恢复政策议程识别中的潜力，引入一种无监督的神经信息检索架构，利用转移学习和词嵌入技术创建段落的高维度表示。通过将政策议程标签重新构建为信息检索查询，采用余弦相似度阈值分类政策，本研究在马拉维、肯尼亚和卢旺达的 31 个政策文件的 14 个政策议程中取得了 0.83 的 F1 分数，证明了自动文本挖掘可以提供可靠、可推广、高效的恢复政策分析。

Aug, 2019

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

这篇论文提出了一个自动评估框架，通过综合指标评估大型语言模型在应对气候危机方面的知识，并发现现有大型语言模型的知识在时效性方面存在不足。

Dec, 2023

研究了使用 OpenAire、Open Alex、CORDIS 和 Kohesio 等四个热门开放获取科技创新数据源来绘制整个丹麦 STI 生态系统中的气候行动研究的案例，分析这些资源的互操作性是否得到保障，以便更好地整合和补充数据，并提供更全面可靠的证据支持基于证据的政策制定。

Sep, 2022