May, 2024

自动化分析数字媒体中的公共显著性和对生物多样性的态度

PDF
TL;DR通过使用自然语言处理工具，本研究介绍了一种改进的搜索词生成方法并利用余弦相似度过滤文章，同时使用无监督学习和大型语言模型进行相关性筛选，以分析公众对野生动物的态度和全球生物多样性的感知，进而为保护活动提供支持。
public attitudeswildlifeglobal biodiversity frameworknlp toolsrelevance filtering
发现论文，激发创造
  • ClimateQ&A： 架起气候科学家与大众之间的沟通桥梁

    该研究通过分析 ClimateQ&A 平台所问的问题，调查了公众对气候变化和生物多样性丧失的观点。研究发现，25.8% 的问题询问气候变化和生物多样性丧失对个人（例如居住地、度假地和消费习惯）以及个人行为（例如交通或食物选择）的具体影响。这表明传统调查方法可能无法确定所有现有的知识空白，并且仅依靠 IPCC 和 IPBES 报告可能无法回答公众关于气候和生物多样性的所有问题，可能影响公众对这些问题的理解和行动。

    Mar, 2024

  • 利用分类器筛选语料库：以在线清洁能源情感为例的案例研究

    本文探讨了如何使用经过预训练和微调的 transformer-based 模型筛选社交媒体数据集中的相关文档，以达到高准确度的目的。该方法的低成本和高性能意味着它对于具有不确定语料库边界的社交媒体数据集可能具有广泛的好处。

    May, 2023

  • 社交媒体数据中环境帖子的情感和情绪分析

    分析社交媒体数据，使用 PMI 算法识别情感并探索环境推文中的主导情绪，发现消极的环境推文比积极或中性的推文更为普遍，重点讨论气候变化、空气质量、排放、塑料和回收等话题，以及恐惧、信任和期待是环境推文中最常见的情绪，旨在提供洞察以提高环境问题的意识，推动干预措施的发展并应对环境挑战。

    Dec, 2023

  • 社交媒体作为即时水质反馈渠道

    本研究旨在通过使用社交媒体的数据作为及时反馈，探究社交媒体作为水质监测的潜在价值，同时提出了一个使用多个神经网络结构的框架来分析与检索与水质相关的社交媒体帖子，其中最高的 F1-score 值为 0.81，而总体融合结果最高的 F1-score 值为 0.852。

    Feb, 2022

  • 利用社交媒体图像收集估计动物野生生物种群

    通过开发新的计算机视觉工具，利用社交媒体中的野生动物图像作为信息来源，提供野生动物种群规模估计，解决社交媒体偏见带来的传统种群估计方法的障碍。

    Aug, 2019

  • 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

  • 利用大型语言模型和逼真的机器人账号激励社交媒体平台上的新闻消费

    检验如何在真实环境中提高用户接触和参与经过验证和意识形态平衡的新闻，以增强他们对政治事务的关注和对品质新闻的认同。

    Mar, 2024

  • 新闻熊猫：媒体监测为及时的保护行动

    通过利用 NewsPanda 的 BERT 模型进行环境保护和基础设施建设相关文章的自动检测和分析，减少了人力成本并有助于 NPO 更及时获得更新。

    Apr, 2023

  • 机器学习在野生动物保护中的视角：视野中的生物多样性

    利用机器学习技术，结合生态领域知识，可以提升动物生态学家们对现代传感器技术产生的大量数据的理解和对物种保护的监测能力，最终将生态模型作为机器学习模型的约束条件，从而可靠地估计种群数量、研究动物行为和减缓人类 / 野生动物冲突。

    Oct, 2021

  • 关乎真正问题：低资源语言中的少样本环境保护媒体监测

    使用 NewsSerow 方法可以在低资源语言中自动识别环境保护内容，该方法通过汇总、上下文少样本分类以及使用大语言模型的自我反思实现。WWF 已在尼泊尔部署了 NewsSerow 以减轻操作负担，同时确保 AI 工具真正覆盖最需要的社区。

    Feb, 2024