挪威风能公众情感的机器学习
摘要：欧洲各地的负面舆论可能会限制可再生能源基础设施的部署，而这些基础设施对于向零排放能源系统的转变至关重要。了解公众情绪及其时空变化对于决策和社会认可的能源系统至关重要。在本研究中，我们采用了基于自然语言处理的机器学习框架NorBERT的情感分类模型，对2006年至2022年期间从Twitter收集的数据进行分析，重点研究了挪威的风力发电反对情绪案例。从68828条带有地理信息的推文中，我们展示了关于风力发电的讨论在2018-2019年间加剧，同时在2020年之前呈现出更多的负面推文，无论是在地区层面还是在整个挪威。此外，我们在数据中发现了弱的地理聚类现象，表明讨论是全国范围而不是由特定地区事件或发展所主导。Twitter数据可以详细了解公众情绪的时间性质，将这一研究扩展到其他技术、国家和数据来源（如报纸、其他社交媒体）的案例研究可能对于补充传统调查研究和了解公众情绪至关重要。
作者：Oskar V{aa}ger"o, Anders Br{aa}te, Alexandra Wittemann, Jessica Yarin Robinson, Natalia Sirotko-Sibirskaya, Marianne Zeyringer
论文ID：2304.02388
分类：Applications
分类简称：stat.AP
提交时间：2023-04-06