El cambio climático (CC) se ha convertido en un tema central a nivel global dentro de las múltiples ramas de las disciplinas sociales. El Procesamiento del Lenguaje Natural (NLP) juega un papel superior ya que ha logrado logros maravillosos en varios escenarios de aplicación. Sin embargo, los debates sobre el CC son ambiguos y complicados de interpretar incluso para los humanos, especialmente cuando se trata del nivel detallado orientado a los aspectos. Además, la falta de conjuntos de datos etiquetados efectivos a gran escala siempre es un problema encontrado en el NLP. En este trabajo, proponemos una nueva Red Neuronal de Cápsulas de Atención Híbrida con Supervisión Débil (HAMCap) para el análisis detallado de los debates sobre el CC. Específicamente, utilizamos vectores con pesos asignados en lugar de escalares, y se diseña un mecanismo de atención híbrido para capturar y representar mejor la información. Al enmascarar aleatoriamente con un mecanismo de Máscara de Contexto Parcial (PCM), podemos construir mejor la relación interna entre los aspectos y entidades y obtener fácilmente un conjunto de datos generado a gran escala. Considerando la singularidad de la lingüística, proponemos un mecanismo basado en Aprendizaje por Refuerzo para actualizar y seleccionar automáticamente los datos que son beneficiosos para el entrenamiento del modelo. Los resultados empíricos indican que nuestro modelo de conjunto propuesto supera a las líneas de base en tareas posteriores con un máximo del 50.08% en precisión y 49.48% en puntuaciones F1. Finalmente, sacamos conclusiones interpretables sobre el debate del cambio climático, que es una preocupación global generalizada.