面向可持续城市与社会的社交媒体与人工智能：水质分析用例

本文聚焦于水质分析这一重要社会挑战。作为社会经济发展的关键因素，供给水质量一直是公共部门的首要任务。为确保水质，人们使用各种监测和评估水网络的方法，如离线和在线调查。然而，这些调查存在局限性，如参与者数量有限、调查频率低且需要大量人力。本文提出了一种自然语言处理 (NLP) 框架，用于自动收集和分析社交媒体上的水相关帖子，以支持数据驱动的决策。该框架由两个组件组成，即 (i) 文本分类，和 (ii) 主题建模。对于文本分类，我们提出了一种基于价值融合的框架，集成了多个大型语言模型 (LLM)，并采用不同的权重选择和优化方法为 LLMs 分配权重。在主题建模中，我们采用 BERTopic 库发现水相关推文中隐藏的主题模式。我们还分析了来自不同地区和国家的相关推文，以探讨全球性、地区性和国家性问题及水相关关切。我们还收集并手动标注了一个大规模数据集，预计将促进该主题的后续研究。