新闻文本中可持续发展目标极性检测

联合国的可持续发展目标（SDGs）为应对关键的社会、环境和经济挑战提供了全球公认的框架。近年来，自然语言处理（NLP）和大语言模型（LLM）的发展促进了根据文本与特定SDG的相关性对文本数据进行自动分类。然而，在许多应用中，确定这种相关性的方向性同样重要，即评估所描述的影响是积极的、中性的还是消极的。为应对这一挑战，我们提出了SDG极性检测这一新任务，用于评估文本片段是否表明向特定SDG取得进展或传达了实现此类进展的意图。为支持该领域的研究，我们引入了SDG-POD，一个专门为此任务设计的基准数据集，结合了原始数据和合成生成数据。我们使用六种最先进的大语言模型进行了全面评估，考虑了零样本和微调配置。结果表明，该任务对当前一代LLM仍具有挑战性。然而，一些微调模型，特别是QWQ-32B，在特定可持续发展目标上取得了良好表现，如SDG-9（产业、创新和基础设施）、SDG-12（负责任的消费和生产）和SDG-15（陆地生物）。此外，我们证明通过数据增强技术扩充微调数据集中的合成样本可以提升模型在该任务上的性能。这一结果凸显了数据丰富技术在应对这一资源受限领域挑战中的有效性。本工作推进了可持续性监测的方法工具箱，并为高效、高性能极性检测系统的开发提供了可操作的见解。