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

本篇论文探讨了使用句子语境与事件信息以及利用掩码事件语境和领域内外数据分布来识别自然语言文本中事件之间的因果关系，并证明该方法在三个不同的数据集上均取得了最新技术的表现，可用于从非结构化文本中提取因果关系图或建立事件链。

Dec, 2020

该论文研究了利用基于BERT模型的自动化抽取技术进行抗议新闻因果关系检测的方法，提出了利用自定义的交叉熵损失函数的方法，实验结果表明BERT-based-uncased在Causal News Corpus数据集上的F1分数达到了0.8501。

Oct, 2022

本文运用最先进的NLP技术，对财务报告中的气候相关风险进行检测，通过调整BERT和ClimateBert两种transformer模型的fine-tuning过程，利用Clima-Text数据库，筛选出了ClimateBert在检测气候风险方面表现最佳，是投资者、机构代理人和公司监控财务报告中披露的气候风险的优秀工具。

Mar, 2023

本文提出了一种从新闻中构建因果知识图谱的方法，其中采用了基于BERT的抽取模型和主题模型等技术，最终实现了高召回率、高精度和高连通性的知识图谱，有效地捕捉和传达因果关系。

May, 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

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

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

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

该研究从科学角度出发，利用大型语言模型提供了有关经济领域叙事提取和总结的宝贵见解和自然语言处理工具，为未来关于经济领域叙事角色的研究做出了贡献。

Jun, 2024