《Applied Sciences》：Green Finance in the Digital Public Sphere: A Multi-Method NLP Analysis
编辑推荐：
绿色金融已成为可持续发展转型的关键组成部分，通过支持金融体系与环境及气候相关目标的一致性。随着可持续投资和气候金融的讨论越来越多地在数字环境中进行，分析大规模用户生成内容对于理解在线讨论和新兴话语模式变得重要。本研究使用多方法自然语言处理（Natural La
绿色金融已成为可持续发展转型的关键组成部分，通过支持金融体系与环境及气候相关目标的一致性。随着可持续投资和气候金融的讨论越来越多地在数字环境中进行，分析大规模用户生成内容对于理解在线讨论和新兴话语模式变得重要。本研究使用多方法自然语言处理（Natural Language Processing，NLP）框架，调查数字公共领域中的绿色金融话语。研究人员分析了从平台X收集的23,452条帖子数据集，采用基于TF-IDF的词语频率分析、基于FinBERT的情感分析、潜在狄利克雷分配（Latent Dirichlet Allocation，LDA）主题建模以及关键词共现网络分析。结果表明，绿色金融话语以正面情感（44.61%）和中性情感（45.85%）为主，表明公众感知普遍有利且制度化。主题建模识别出三个主导主题：气候金融与可持续发展转型、数字金融与投机性投资叙事、能源投资与金融基础设施。网络分析揭示，可持续性、气候、能源、投资和金融构成了话语的核心概念结构。这些发现证明了基于NLP的方法在分析大规模数字讨论方面的有效性，并为政策制定者、金融机构和组织提供了洞察，以更好地理解围绕绿色金融的在线讨论，并支持更有效的可持续性沟通策略。
**绿色金融数字话语的多方法NLP分析：主题、情感与概念结构**
**研究背景与问题**
气候变化与可持续发展转型的紧迫性重塑了企业、金融机构和政策制定者的战略环境。绿色金融（Green Finance）作为推动资本配置与环境目标一致的关键机制，日益成为可持续发展战略的核心工具。然而，现有研究多从金融经济学或制度治理视角聚焦绿色债券、环境、社会和治理（Environmental, Social, and Governance，ESG）投资等工具，忽视了其社会话语维度。同时，数字平台（如X平台）上用户生成内容激增，为理解公众如何讨论和解读绿色金融提供了新机遇，但既有研究常孤立分析情感或主题，缺乏多维整合。本研究旨在弥补这一空白，通过多方法自然语言处理（Natural Language Processing，NLP）框架，系统分析数字公共领域中绿色金融话语的主题结构、情感倾向和概念关系。
**研究内容与结论**
研究人员收集了2026年1月1日至31日期间X平台上的27,376条推文，经预处理后保留23,452条有效数据。应用基于TF-IDF的词语频率分析、基于FinBERT的情感分析、潜在狄利克雷分配（Latent Dirichlet Allocation，LDA）主题建模以及关键词共现网络分析，揭示了绿色金融话语的多维特征。主要结论：情感分布以正面（44.61%）和中性（45.85%）为主，负面情感仅占9.54%，表明公众支持态度；主题建模识别出三个主导主题——气候金融与可持续发展转型（45.44%）、数字金融与投机性投资叙事（35.05%）、能源投资与金融基础设施（19.51%）；关键词共现网络显示可持续性、气候、能源、投资和金融构成核心概念簇，且正面话语网络密度较高（0.545），负面话语网络稀疏（0.128）且模块化程度更高。研究证实了NLP方法在分析大规模数字话语中的有效性，为政策制定者和金融机构提供了理解公众认知的实证依据。论文发表在《Applied Sciences》。
**主要技术方法**
本研究采用多方法NLP框架，整合四种互补技术：TF-IDF词语频率分析（识别显著词汇）、FinBERT情感分析（基于Transformer架构的金融领域情感分类，将推文分为正面、负面、中性）、LDA主题建模（通过词共现模式发现潜在主题，基于困惑度优化选择3主题方案）、关键词共现网络分析（构建词共现图，计算度中心性、介数中心性等网络指标）。分析平台为X，数据来源为2026年1月一个月内的英文推文，关键词为“green finance”。所有处理使用Python 3.14.6，相关库包括pandas、NumPy、scikit-learn、NetworkX等。
**研究结果**
**4.1 词语频率分析**
通过TF-IDF方法按情感类别提取关键词。正面类别中，“growth”“future”“innovation”“crypto”“token”等术语突出，表明绿色金融与进步、数字金融创新关联；负面类别中“risk”“market”“capital”“transition”“carbon”主导，反映对财务不确定性、转型成本的担忧；中性类别以“global”“financial”“bank”“sustainability”为主，体现制度化和宏观经济框架。
**4.2 主题建模分析**
LDA模型识别三个主题。主题2（气候金融与可持续发展转型）占45.44%，关键词包括“climate”“sustainability”“energy”“transition”“carbon”，强调环境可持续性框架；主题3（数字金融与投机性投资叙事）占35.05%，关键词“crypto”“bitcoin”“trading”“market”，显示绿色金融与数字资产叙事的融合；主题1（能源投资与金融基础设施）占19.51%，关键词“solar”“power”“investment”“global”，聚焦大型能源项目融资。
**4.3 数据可视化**
密度可视化显示“green”和“finance”为中心锚点，高密度簇围绕“climate”“energy”“sustainability”“investment”；关键词共现网络分析表明总体网络高度互联（密度=0.831），正面话语网络密度0.545、模块度0.078，负面话语网络密度0.128、模块度0.155，节点中心性差异显著——正面网络以“green”“finance”“climate”“sustainability”为核心，负面网络集中于“green”“finance”及“profit”“costs”等经济概念。
**讨论与结论**
讨论部分指出，绿色金融话语处于可持续性、治理和投资主题的交汇点。正面与中性情感主导支持了可持续金融实践的制度化趋势，但负面情感持续存在反映对监管复杂性、转型成本和市场不确定性的担忧。关键词共现网络揭示高度互联的概念结构，表明环境、金融和技术主题紧密关联。研究强调，金融组织应提升绿色产品透明度，利用数字沟通策略与利益相关者互动；政策制定者可借助NLP分析监测公众观点，制定更适应性强的可持续政策。研究结论部分翻译如下：绿色金融已成为可持续发展转型的重要组成部分，在数字通信环境中日益受到关注。本研究使用多方法NLP框架（集成文本挖掘、FinBERT情感分析、LDA主题建模和关键词共现网络分析）调查了数字公共领域中的绿色金融话语。结果表明，绿色金融讨论具有独特的主题结构、情感模式和概念关系，反映了可持续性、金融和技术相关主题的相互作用。研究发现，绿色金融话语包含可持续性导向和投资导向的主题，气候行动、可持续转型和可再生能源仍是主导话题，但数字金融、投资活动和新兴金融技术也占据重要份额。从管理角度，强调了监测X平台绿色金融在线讨论和情感动态的重要性；从政策角度，展示了利用大规模社交媒体分析支持绿色金融政策设计和评估的价值。本研究通过应用整合的NLP框架分析绿色金融话语，为相关文献做出了贡献，未来研究可扩展至跨平台、纵向和跨文化分析。研究局限性包括：仅基于X平台2026年1月一个月的英文帖子，关键词仅限“green finance”，未区分账户类型和地理信息，且未进行人工主题验证。
