[论文解读] NLP for Climate Policy: Creating a Knowledge Platform for Holistic and Effective Climate Action

Pradip Swarnakar, Ashutosh Modi|arXiv (Cornell University)|May 12, 2021

Climate Change Communication and Perception被引用 5

一句话总结

本文提出了一种基于NLP的知识平台，旨在将媒体、报告和社交媒体中的非结构化气候政策话语整合为结构化、可查询的系统。通过应用主题建模、意见挖掘、话语网络分析和知识图谱技术，该平台使政策制定者能够提取各方的信念、情感和政策立场，从而实现数据驱动、全面的气候决策，尤其适用于印度等发展中国家。

ABSTRACT

Climate change is a burning issue of our time, with the Sustainable Development Goal (SDG) 13 of the United Nations demanding global climate action. Realizing the urgency, in 2015 in Paris, world leaders signed an agreement committing to taking voluntary action to reduce carbon emissions. However, the scale, magnitude, and climate action processes vary globally, especially between developed and developing countries. Therefore, from parliament to social media, the debates and discussions on climate change gather data from wide-ranging sources essential to the policy design and implementation. The downside is that we do not currently have the mechanisms to pool the worldwide dispersed knowledge emerging from the structured and unstructured data sources. The paper thematically discusses how NLP techniques could be employed in climate policy research and contribute to society's good at large. In particular, we exemplify symbiosis of NLP and Climate Policy Research via four methodologies. The first one deals with the major topics related to climate policy using automated content analysis. We investigate the opinions (sentiments) of major actors' narratives towards climate policy in the second methodology. The third technique explores the climate actors' beliefs towards pro or anti-climate orientation. Finally, we discuss developing a Climate Knowledge Graph. The present theme paper further argues that creating a knowledge platform would help in the formulation of a holistic climate policy and effective climate action. Such a knowledge platform would integrate the policy actors' varied opinions from different social sectors like government, business, civil society, and the scientific community. The research outcome will add value to effective climate action because policymakers can make informed decisions by looking at the diverse public opinion on a comprehensive platform.

研究动机与目标

• 解决全球媒体和机构来源中气候政策话语分散、碎片化的问题。
• 通过支持协作、数据驱动的政策制定，弥合NLP研究人员与气候政策研究人员之间的差距。
• 创建一个统一、可访问的知识平台，聚合并结构化公众和机构对气候政策的多样化观点。
• 通过支持自然语言查询关于行为体、信念和政策立场的功能，为政策制定者（尤其是发展中国家的政策制定者）提供支持。
• 通过整合气候话语在情感、信念和主题层面的分析，提升气候治理的效能。

提出的方法

• 应用主题建模，识别媒体和报告中气候政策讨论的主导主题和子主题。
• 使用意见挖掘和情感分析，对行为体对特定政策或行动的态度（支持或反对气候政策）进行分类。
• 开展话语网络分析，基于共同或对立的信念和语言模式，映射行为体之间的关系。
• 构建以行为体为节点、信念或政策立场为边的知识图谱，支持语义查询。
• 设计自然语言接口，使政策制定者能够使用自然语言查询平台，提升可访问性。
• 利用图数据库高效存储和检索气候行为体、政策和情感之间的复杂关联数据。

实验结果

研究问题

• RQ1 NLP技术如何从非结构化文本中提取并结构化全球气候政策话语中的主导主题？
• RQ2 关键行为体（政府、非政府组织、媒体）对气候政策的普遍情感和信念取向是什么？
• RQ3 如何构建话语网络，以基于语言相似性和差异性揭示气候政策行为体之间的联盟或冲突？
• RQ4 知识图谱在将多样化数据源整合为统一、可查询的气候政策决策平台方面发挥什么作用？
• RQ5 如何实现自然语言查询，以使非技术背景的政策制定者能够使用该平台？

主要发现

• NLP技术的整合实现了对媒体、报告和社交媒体中海量、异构气候政策话语的自动化、可扩展分析。
• 主题建模成功识别出全球和国家层面话语中反复出现的主题，如减排、能源转型和气候融资。
• 意见挖掘揭示了行为体之间明显的情感模式，例如对可再生能源的倡导或对核能的怀疑态度。
• 话语网络分析揭示了信念一致的行为体集群，即使他们未曾直接互动，也揭示了潜在的政策联盟。
• 所提出的知识图谱原型证明了其可行性，能够将行为体、其信念和政策立场表示为相互关联的节点与边。
• 得益于近期NLP技术的进步，自然语言查询功能可使非技术用户轻松使用该平台，显著提升其在现实政策中的实用性。