利用机器学习识别国家法律与政策中的气候目标
计算机与社会
2024-04-05 v2 计算与语言
机器学习
摘要
量化的政策目标是气候政策的基本要素，通常以特定领域的技术语言为特征。目前用于整理全球气候政策目标综合视图的方法需要大量的人工工作。目前，从国家法律或政策中提取气候目标的可扩展方法很少，这限制了政策制定者和研究人员（1）评估私营和公共部门与全球目标的一致性，以及（2）为政策决策提供信息的能力。在本文中，我们提出了一种从国家法律和政策中提取气候目标提及的方法。我们创建了一个专家标注的数据集，识别了三类目标（“净零”、“减排”和“其他”（例如可再生能源目标）），并训练了一个分类器以在文本中可靠地识别它们。我们调查了与我们的模型相关的偏差和公平性影响，并确定了特定年份和国家名称为有问题的特征。最后，我们通过将该分类器应用于全球国家气候法律和政策的气候政策雷达（CPR）数据集以及 UNFCCC 提交文件，调查了所生成数据集的特征，突出了自动化和可扩展数据收集对现有气候政策数据库的潜力，并支持进一步的研究。我们的工作代表了在为政策制定者和研究人员提供这些关键气候政策要素的可访问性方面的重大提升。我们在 https://huggingface.co/ClimatePolicyRadar/national-climate-targets 发布了我们的模型，并在 https://huggingface.co/datasets/ClimatePolicyRadar/national-climate-targets 发布了相关数据集。
引用
@article{arxiv.2404.02822,
title = {Identifying Climate Targets in National Laws and Policies using Machine Learning},
author = {Matyas Juhasz and Tina Marchand and Roshan Melwani and Kalyan Dutia and Sarah Goodenough and Harrison Pim and Henry Franks},
journal= {arXiv preprint arXiv:2404.02822},
year = {2024}
}