气候政策话语的时间分析：来自动态嵌入主题建模的见解-计算机科学-机器学习-算法.pdfVIP

气候政策话语的时间分析：来自动态嵌入主题建模的

见解

RafiuAdekoyaBadekaleAdewaleAkinfaderin

HamoyeFoundationTheGeorgeWashingtonUniversity

Delaware,UnitedStatesWashington,D.C.,UnitedStates

ade.badekale@wale@

Abstract

本

译理解政策语言如何随时间演变对于评估全球对复杂挑战（如气候变化）的应

中对至关重要。时间分析有助于利益相关者，包括政策制定者和研究人员，评

估过去的优先事项、识别新兴主题、设计治理策略并制定缓解措施。传统方

1法，例如手动主题编码，耗时且难以捕捉全球政策讨论中的复杂性和相互联

v

5系性。随着无监督机器学习的相关性的增加，这些限制可以得到解决，特别

3是在大数据量、复杂性和高维度数据条件下。在这项工作中，我们探索了一

4

6种将动态嵌入主题模型（DETM）应用于分析全球气候变化政策讨论演化的

0新型方法。一种概率模型设计用于捕捉主题随时间的动态变化。我们收集了

.

71995年至2023年《联合国气候变化框架公约》(UNFCCC)的政策决策文集，

0排除了因COVID-19大流行而推迟COP26的2020年。该模型揭示了从早期

5

2对温室气体和国际公约的重点转向近期对实施、技术合作、能力建设、融资

:和全球协议的关注的变化。第三部分介绍了建模流程，包括预处理、模型训

v

i练和时间词分布的可视化。我们的结果显示DETM是一种可扩展且有效的

x

r分析全球政策讨论演化的工具。第四部分讨论了这些发现的意义，并提出了

a

未来研究方向和改进以将此方法扩展到其他政策领域。

1介绍

气候变化仍然是21世纪最紧迫的全球挑战之一，具有深远的环境、经济和社会影响[1]。联

合国气候变化框架公约（UNFCCC）成立于1992年，是全球气候治理机构的核心[2]。其每

年举行的缔约方会议（COP）为谈判和实施气候政策提供了一个平台。在过去的三十年里，

UNFCCC决策文件中的讨论发生了显著变化。这种转变反映了各国如何努力实现可持续发

展目标，并履行《巴黎协定》等国际协议下的承诺[3]。随着气候变化问题的复杂性不断增

加，相应的政策讨论也在规模、深度和多维性方面不断扩大。

理解与气候相关的政策主题如何随时间变化对于有效的决策至关重要。它帮助政策制定者和

研究人员识别差距，预测未来方向，并解决动态的全球需求[4]。传统方法，如定性审查或简

单的趋势分析，由于多个原因而显得不足。这些方法劳动密集型，需要大量的手动工作[5]。

它们难以跟上政策文件数量的增长。此外，它们经常无法捕捉气候问题之间的相互关联动态，

Code:Thecodeforthispapercanbefoundat/AdeTheBade/TACPD.git

.

例如能源、技术、