論文の概要: The Power of Language: Understanding Sentiment Towards the Climate
Emergency using Twitter Data
- arxiv url: http://arxiv.org/abs/2101.10376v1
- Date: Mon, 25 Jan 2021 19:51:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-14 22:59:16.795626
- Title: The Power of Language: Understanding Sentiment Towards the Climate
Emergency using Twitter Data
- Title(参考訳): 言語の力:twitterデータを用いた気候緊急事態に対する感情理解
- Authors: Arman Sarjou
- Abstract要約: 原油先物と気候危機に対する感情との間には関係があると推測できる。
本研究は,気候危機時の会話を3つのトピックに分割することが可能であることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding how attitudes towards the Climate Emergency vary can hold the
key to driving policy changes for effective action to mitigate climate related
risk. The Oil and Gas industry account for a significant proportion of global
emissions and so it could be speculated that there is a relationship between
Crude Oil Futures and sentiment towards the Climate Emergency. Using Latent
Dirichlet Allocation for Topic Modelling on a bespoke Twitter dataset, this
study shows that it is possible to split the conversation surrounding the
Climate Emergency into 3 distinct topics. Forecasting Crude Oil Futures using
Seasonal AutoRegressive Integrated Moving Average Modelling gives promising
results with a root mean squared error of 0.196 and 0.209 on the training and
testing data respectively. Understanding variation in attitudes towards climate
emergency provides inconclusive results which could be improved using
spatial-temporal analysis methods such as Density Based Clustering (DBSCAN).
- Abstract(参考訳): 気候危機に対する態度の違いを理解することは、気候変動に関するリスクを軽減する効果的な行動のための政策変更を推進するための鍵となる。
石油・ガス産業は、世界の排出量のかなりの割合を占めているため、原油先物と気候危機に対する感情との間に関係があると推測することができます。
本研究は,twitter上でのトピックモデリングに潜在ディリクレ割当を用いることにより,気候災害時の会話を3つのトピックに分割することが可能であることを示す。
季節的自動回帰統合移動平均モデリングを用いた原油先物予測は、トレーニングデータとテストデータに0.196と0.209の根本平均二乗誤差で有望な結果をもたらす。
気候緊急事態に対する態度の変化を理解することは、密度ベースクラスタリング(dbscan)のような時空間分析手法を用いて改善できる決定的な結果をもたらす。
関連論文リスト
- Comparing Data-Driven and Mechanistic Models for Predicting Phenology in
Deciduous Broadleaf Forests [47.285748922842444]
我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。
このアプローチは従来のプロセスベースのモデルよりも優れています。
論文 参考訳(メタデータ) (2024-01-08T15:29:23Z) - CMIP X-MOS: Improving Climate Models with Extreme Model Output
Statistics [40.517778024431244]
自然災害リスクの予測を改善するために, エクストリームモデル出力統計(X-MOS)を導入する。
この手法は, 気象観測所から得られた実測値にCMIPモデル出力を正確にマッピングするために, 深部回帰手法を用いる。
これまでの研究とは対照的に,本研究では,将来の気候パラメータ分布の尾部推定の強化に重点を置いている。
論文 参考訳(メタデータ) (2023-10-24T13:18:53Z) - Characterizing climate pathways using feature importance on echo state
networks [0.0]
エコー状態ネットワーク(ESN)は、時間的データのために設計された計算効率の良いニューラルネットワークのバリエーションである。
ESNは非解釈可能なブラックボックスモデルであり、変数関係を理解する上でハードルとなる。
我々は,特徴重要度の評価と比較を行うシミュレーション研究を行い,再分析気候データに対するアプローチを実証する。
論文 参考訳(メタデータ) (2023-10-12T16:55:04Z) - Spatial-temporal Prompt Learning for Federated Weather Forecasting [50.379491498793485]
フェデレート気象予報は、異なる国や地域の参加者間で気象データを分析するための有望な協調学習フレームワークである。
本稿では,多くの分散型低リソースセンサを異なる場所に配置するフェデレート環境での気象データをモデル化する。
論文 参考訳(メタデータ) (2023-05-23T16:59:20Z) - Robust detection and attribution of climate change under interventions [4.344839102717429]
フィンガープリントは気候変動の検出と属性(D&A)の鍵となるツールである
本稿では,教師付き学習に基づく直接D&A手法を提案し,頑健な予測につながる指紋を抽出する。
本研究は, 関連する介入に対するロバスト性制約を組み込むことは, 気候変動の検出と帰属に有益であることが示唆された。
論文 参考訳(メタデータ) (2022-12-09T15:13:40Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳(メタデータ) (2022-11-20T06:46:35Z) - From Static to Dynamic Prediction: Wildfire Risk Assessment Based on
Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。
カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文 参考訳(メタデータ) (2021-03-14T17:56:17Z) - Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。
これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。
本稿では,本稿で開発したツールと方法論について紹介する。
論文 参考訳(メタデータ) (2020-11-03T21:22:42Z) - Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。
我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文 参考訳(メタデータ) (2020-10-20T15:31:38Z) - Augmented Convolutional LSTMs for Generation of High-Resolution Climate
Change Projections [1.7503398807380832]
統計的ダウンスケーリングのための補助的情報時空間ニューラルアーキテクチャを提案する。
現在の研究では、世界で最も気候的に多様化したインドにおいて、ESMの出力から1.15度 (115 km) から0.25度 (25 km) まで、毎日降水量のダウンスケーリングを行っている。
論文 参考訳(メタデータ) (2020-09-23T17:52:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。