基于BERT和因果抽取的气候变化叙事索引与可视化
计算与语言
2024-08-06 v1
摘要
本研究提出了一种方法，用于提取、索引和可视化“气候变化叙事”（即关于气候变化相关因果与结果事件之间联系的故事）。我们采用两种自然语言处理方法：BERT（双向编码器表示来自Transformer的编码器）和因果抽取，对新闻文章进行文本分析，以提取“气候变化叙事”。该方法的新颖之处在于能够提取并量化新闻作者所假设的因果关系。通过时间维度观察提取的气候变化叙事，我们发现自2018年以来，越来越多的叙事暗示了气候变化政策讨论及其相关政策实施对企业行为、宏观经济和价格动态的影响。我们还观察到近期出现的聚焦气候变化政策与货币政策联系的叙事。此外，关于气候变化导致的自然灾害（如异常天气和严重洪水）对经济活动产生负面影响的叙事日益增长， 这一问题可能被视为企业和政府的新挑战。本研究的方法可应用于广泛领域，因为它可以分析包括通胀预期和货币政策沟通策略在内的各种经济主题中的因果关系。
引用
@article{arxiv.2408.01745,
title = {Indexing and Visualization of Climate Change Narratives Using BERT and Causal Extraction},
author = {Hiroki Sakaji and Noriyasu Kaneda},
journal= {arXiv preprint arXiv:2408.01745},
year = {2024}
}