气候政策追踪器：面向公共政策自动分析的流水线
计算与语言
2022-11-14 v1
摘要
关于气候政策的标准化政策文件数量及其发布频率正显著增长。这些文件冗长且人工分析繁琐，尤其对于缺乏数据解析工具使用权限或领域专业知识的政策专家、立法者与公民而言。此类状况的潜在后果包括公民治理与对气候政策参与的减少，以及分析成本的整体攀升，导致公众可及性降低。在本工作中，我们使用基于潜在狄利克雷分配（Latent Dirichlet Allocation）的流水线，对欧盟 27 个成员国制定的 2021 至 2030 年十年期国家能源与气候计划（NECPs）进行自动摘要与分析。我们聚焦于分析政策框架——即用于描述特定问题的语言，以探测政府在构建其气候政策与实现气候目标方式中的本质细微差别。该方法利用主题建模与聚类对不同国家的政策文件进行比较分析。它便于在潜在用户友好型应用中集成，以支撑气候政策理论与过程的开发。这将进一步促成更好的公民治理及对气候政策与公共政策研究的参与。
引用
@article{arxiv.2211.05852,
title = {Climate Policy Tracker: Pipeline for automated analysis of public climate policies},
author = {Artur Żółkowski and Mateusz Krzyziński and Piotr Wilczyński and Stanisław Giziński and Emilia Wiśnios and Bartosz Pieliński and Julian Sienkiewicz and Przemysław Biecek},
journal= {arXiv preprint arXiv:2211.05852},
year = {2022}
}
备注
Accepted for Tackling Climate Change with Machine Learning: workshop at NeurIPS 2022