論文の概要: Identifying Climate Targets in National Laws and Policies using Machine Learning
- arxiv url: http://arxiv.org/abs/2404.02822v2
- Date: Thu, 4 Apr 2024 11:23:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-05 13:23:19.227675
- Title: Identifying Climate Targets in National Laws and Policies using Machine Learning
- Title（参考訳）: 機械学習を用いた国家法・政策における気候目標の特定
- Authors: Matyas Juhasz, Tina Marchand, Roshan Melwani, Kalyan Dutia, Sarah Goodenough, Harrison Pim, Henry Franks,
- Abstract要約: 我々は,国家法や政策から気候目標の言及を抽出するアプローチを提案する。
ターゲットの3つのカテゴリ('ネットゼロ'、'リダクション'、'その他')を識別するエキスパートアノテートデータセットを作成します。
我々は、我々のモデルに関連するバイアスと株式の影響を調査し、問題のある特徴として特定の年と国名を特定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantified policy targets are a fundamental element of climate policy, typically characterised by domain-specific and technical language. Current methods for curating comprehensive views of global climate policy targets entail significant manual effort. At present there are few scalable methods for extracting climate targets from national laws or policies, which limits policymakers' and researchers' ability to (1) assess private and public sector alignment with global goals and (2) inform policy decisions. In this paper we present an approach for extracting mentions of climate targets from national laws and policies. We create an expert-annotated dataset identifying three categories of target ('Net Zero', 'Reduction' and 'Other' (e.g. renewable energy targets)) and train a classifier to reliably identify them in text. We investigate bias and equity impacts related to our model and identify specific years and country names as problematic features. Finally, we investigate the characteristics of the dataset produced by running this classifier on the Climate Policy Radar (CPR) dataset of global national climate laws and policies and UNFCCC submissions, highlighting the potential of automated and scalable data collection for existing climate policy databases and supporting further research. Our work represents a significant upgrade in the accessibility of these key climate policy elements for policymakers and researchers. We publish our model at https://huggingface.co/ClimatePolicyRadar/national-climate-targets and related dataset at https://huggingface.co/datasets/ClimatePolicyRadar/national-climate-targets.
- Abstract（参考訳）: 定量化政策の対象は気候政策の基本的な要素であり、典型的にはドメイン特化言語と技術言語によって特徴づけられる。
地球温暖化対策の総合的な展望を養うための現在の手法は、かなりの手作業を必要とする。
現在,国家法や政策から気候目標を抽出するスケーラブルな方法はほとんどなく,政策立案者や研究者が(1)世界目標と民間・公共セクターの整合性を評価し,(2)政策決定を通知する能力を制限する。
本稿では,国家法と政策から気候目標の言及を抽出するアプローチを提案する。
我々は、ターゲットの3つのカテゴリ("Net Zero"、"Reduction"、"Other"(例えば再生可能エネルギーのターゲット))を識別する専門家アノテートデータセットを作成し、テキストでそれらを確実に識別するように分類器を訓練する。
我々は、我々のモデルに関連するバイアスと株式の影響を調査し、問題のある特徴として特定の年と国名を特定する。
最後に、この分類器を世界各国の気候法と政策のデータセット(CPR)とUNFCCCに提出し、既存の気候政策データベースの自動化されたスケーラブルなデータ収集の可能性を強調し、さらなる研究を支援する。
私たちの研究は、政策立案者や研究者にとって重要な気候政策要素のアクセシビリティーが大幅に向上したことを示している。
私たちは、https://huggingface.co/ClimatePolicyRadar/ National-climate-targetsと関連するデータセットをhttps://huggingface.co/datasets/ClimatePolicyRadar/ national-climate-targetsで公開しています。
関連論文リスト
- ClimDetect: A Benchmark Dataset for Climate Change Detection and Attribution [5.672396746168209]
ClimDetectは、毎日816万の気候スナップショットを標準化したデータセットです。
ClimDetectは、過去の研究で使われた様々な入力変数とターゲット変数を統合し、一貫性を確保する。
私たちのオープンアクセスデータとコードは、モデル評価の改善を通じて気候科学を進化させるためのベンチマークとして役立ちます。
論文 参考訳（メタデータ） (2024-08-28T17:58:53Z) - Analyzing Regional Impacts of Climate Change using Natural Language
Processing Techniques [0.9387233631570752]
我々は、気候学における特定の地理を特定するために、名前付きエンティティ認識(NER)にBERT(Bidirectional Representations from Transformers)を用いる。
地域ごとの気候傾向分析を行い、特定の地域での気候変動に関連する主要なテーマや関心点を特定する。
これらの地域固有の気候データの詳細な調査は、よりカスタマイズされた政策作成、適応、緩和戦略の作成を可能にする。
論文 参考訳（メタデータ） (2024-01-11T16:44:59Z) - Arabic Mini-ClimateGPT : A Climate Change and Sustainability Tailored
Arabic LLM [77.17254959695218]
ChatGPTやBardのような大規模言語モデル(LLM)は、優れた会話能力を示し、幅広いNLPタスクに優れています。
我々は,オープンソースのLLM上に構築され,アラビア語データセットClima500-Instructの対話型命令チューニングに特化して微調整された軽量のアラビア語ミニクリメートGPTを提案する。
本モデルは,ChatGPTによる評価において,88.3%の症例において,ベースラインLLMを上回った。
論文 参考訳（メタデータ） (2023-12-14T22:04:07Z) - AI For Global Climate Cooperation 2023 Competition Proceedings [77.07135605362795]
国際機関が国際気候協定の遵守を保証できない。
RICE-NはAIエージェントを使用した地域意思決定のモデリングをサポートする。
IAMは、これらの決定の気候・経済的な影響を未来にモデル化する。
論文 参考訳（メタデータ） (2023-07-10T20:05:42Z) - Climate Policy Tracker: Pipeline for automated analysis of public
climate policies [3.3509104620016092]
我々は10年間の国家エネルギーと気候計画の自動要約と分析にレイト・ディリクレ・アロケーション・ベースのパイプラインを使用する。
我々は、特定の問題を記述するための言語である政策フレーミングの分析に焦点をあて、政府の気候政策の枠組みにおける本質的なニュアンスを検出する。
論文 参考訳（メタデータ） (2022-11-10T20:19:28Z) - Jalisco's multiclass land cover analysis and classification using a
novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。
本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。
組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文 参考訳（メタデータ） (2022-01-26T14:58:51Z) - How are cities pledging net zero? A computational approach to analyzing
subnational climate strategies [0.0]
都市は気候変動の主要な要因となり、ネットゼロの排出を目標にしている。
我々は、ネットゼロの目標を約束したり、超国家的気候イニシアチブに参加した都市から、318件の気候行動文書を分析した。
野心的な気候行動を定義した都市は、その計画において量的指標と特定のハイエミットセクターを強調する傾向にある。
論文 参考訳（メタデータ） (2021-12-14T21:33:39Z) - NLP for Climate Policy: Creating a Knowledge Platform for Holistic and
Effective Climate Action [2.482368922343792]
本論文では,気候政策研究におけるNLP手法の活用方法について論じる。
NLPと気候政策研究の共生を4つの手法で例示します。
本論文は, 総合的な気候政策の定式化に, 知識プラットフォームの構築が寄与すると主張する。
論文 参考訳（メタデータ） (2021-05-12T12:30:02Z) - 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) - Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。
このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。
衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
論文 参考訳（メタデータ） (2020-04-11T19:49:09Z)
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。