数据集概述
本数据集为《Progress on Climate Action: a Multilingual Machine Learning Analysis of the Global Stocktake》一文的配套数据，包含全球盘点气候行动相关的文本嵌入、文档项、主题关键词及段落、降维嵌入和元数据概述，支持气候变化领域的多语言文本分析研究。
文件详解
- 压缩文件
- 文件名称：docs.zip、embeddings.zip
- 文件格式：ZIP
- 内容说明：docs.zip包含关联文档项；embeddings.zip包含嵌入数据（含pickle文件）
- CSV文件
- 文件名称：overview.csv
- 文件格式：CSV（UTF-8编码）
- 字段映射：包含author（作者）、author_is_party（是否为缔约方作者）、date（日期）、doc_id（文档ID）、md5_sum（MD5值）、name（名称）、family_id（系列ID）、source_url（来源URL）、variant（变体）、language（语言）、types（类型）、version（版本）等元数据字段
- 文件名称：74_reduced_embeddings_per_para_report.csv
- 文件格式：CSV（UTF-8编码）
- 字段映射：包含document_md5（文档MD5值）、paragraph_id（段落ID）、paragraph（段落文本）、language（语言）、x/y（降维坐标）、topic_nr（主题编号）等字段
- Excel文件
- 文件名称：74_representative_docs_per_topic_report_named.xlsx
- 文件格式：XLSX
- 内容说明：包含最终模型中每个主题最相关的关键词和段落
数据来源
论文《Progress on Climate Action: a Multilingual Machine Learning Analysis of the Global Stocktake》
适用场景
- 气候变化文本分析: 利用多语言文档数据研究全球气候行动进展的文本特征与趋势
- 机器学习模型验证: 基于嵌入数据和降维结果，验证气候领域多语言文本模型的性能
- 主题聚类研究: 通过主题关键词及段落数据，分析全球气候行动相关文本的主题分布
- 元数据统计分析: 借助overview.csv的元数据，研究气候行动文档的来源、作者构成等特征
