Fugu-MT 論文翻訳(概要): A Dataset for Detecting Real-World Environmental Claims

論文の概要: A Dataset for Detecting Real-World Environmental Claims

arxiv url: http://arxiv.org/abs/2209.00507v1
Date: Thu, 1 Sep 2022 14:51:07 GMT
ステータス: 翻訳完了
システム内更新日: 2022-09-02 13:51:40.665709
Title: A Dataset for Detecting Real-World Environmental Claims
Title（参考訳）: 実世界の環境クレーム検出のためのデータセット
Authors: Dominik Stammbach, Nicolas Webersinke, Julia Anna Bingler, Mathias Kraus, Markus Leippold
Abstract要約: この新しいデータセットを用いて,環境要求を検出するためのベースラインモデルをトレーニングし,リリースする。われわれは、2012年から2020年にかけての四半期決算報告の回答セクションで得られた環境問題を検出するために、微調整モデルを用いています。
参考スコア（独自算出の注目度）: 6.2887102994549595
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this paper, we introduce an expert-annotated dataset for detecting real-world environmental claims made by listed companies. We train and release baseline models for detecting environmental claims using this new dataset. We further preview potential applications of our dataset: We use our fine-tuned model to detect environmental claims made in answer sections of quarterly earning calls between 2012 and 2020 -- and we find that the amount of environmental claims steadily increased since the Paris Agreement in 2015.
Abstract（参考訳）: 本稿では,上場企業による実世界の環境クレームを検出するためのエキスパートアノテートデータセットを提案する。この新しいデータセットを用いて,環境要求を検出するためのベースラインモデルをトレーニングし,リリースする。私たちは、2012年から2020年にかけての四半期決算報告の回答セクションで得られた環境要求を検出するために、微調整されたモデルを使用し、2015年のパリ協定以降、環境要求の量は着実に増加したことが分かりました。

関連論文リスト

Towards Carbon Footprint-Aware Recommender Systems for Greener Item Recommendation [16.57152918332189]
オンラインショッピングはレコメンダシステム(RecSys)アルゴリズムによって促進されているが、より持続可能な選択を促進する上で後者の役割と可能性はほとんど研究されていない。主な原因の1つは、アイテムに二酸化炭素排出量の排出量を含むデータセットが欠如していることによる可能性がある。項目の炭素フットプリントを考慮に入れた単純な再ランクのアプローチは、精度と緑度の間のトレードオフをより良くすることを示す。
論文参考訳（メタデータ） (2025-03-21T14:58:47Z)
Contrastive Learning to Improve Retrieval for Real-world Fact Checking [84.57583869042791]
ファクト・チェッキング・リランカ(Contrastive Fact-Checking Reranker, CFR)を提案する。我々はAVeriTeCデータセットを活用し、証拠文書からの人間による回答とクレームのサブクエストを注釈付けする。データセットの精度は6%向上した。
論文参考訳（メタデータ） (2024-10-07T00:09:50Z)
Estimating Environmental Cost Throughout Model's Adaptive Life Cycle [2.93774265594295]
PreIndexは、データの分散シフトに伴うモデル再トレーニングに関連する環境および計算資源を推定する予測指標である。これは、現在のデータ分布から新しいデータ分布への再トレーニングにおいて、二酸化炭素排出量やエネルギー使用量などの環境コストを見積もることができる。
論文参考訳（メタデータ） (2024-07-23T03:58:06Z)
EcoVerse: An Annotated Twitter Dataset for Eco-Relevance Classification, Environmental Impact Analysis, and Stance Detection [0.0]
EcoVerseは、さまざまな環境トピックにまたがる3,023のツイートからなる、英語の注釈付きTwitterデータセットである。本研究では,環境関連分類,スタンス検出,環境影響分析のための独自のアプローチの導入を目的とした3段階のアノテーションスキームを提案する。
論文参考訳（メタデータ） (2024-04-08T01:21:11Z)
ConstScene: Dataset and Model for Advancing Robust Semantic Segmentation in Construction Environments [1.4070907500169874]
本稿では,建設現場に適したセマンティックセグメンテーションデータセットを提案する。このデータセットは、オブジェクト検出モデルのトレーニングと評価を強化するように設計されている。
論文参考訳（メタデータ） (2023-12-27T10:49:19Z)
Leveraging Language Models to Detect Greenwashing [39.58317527488534]
本稿では,グリーンウォッシングリスクを考慮に入れたラベルに基づいて,言語モデルを学習するための新たな予備的手法を提案する。我々の最良のモデルは平均精度スコア86.34%、F1スコア0.67を達成し、概念実証手法が探索の有望な方向を示すことを示した。
論文参考訳（メタデータ） (2023-10-30T21:41:49Z)
A Comparative Study of Machine Learning Algorithms for Anomaly Detection in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。 Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文参考訳（メタデータ） (2023-07-01T15:18:00Z)
WiCE: Real-World Entailment for Claims in Wikipedia [63.234352061821625]
We propose WiCE, a new fine-fine textual entailment dataset built on natural claim and evidence pairs from Wikipedia。標準クレームレベルのエンターメントに加えて、WiCEはクレームのサブ文単位に対するエンターメント判断を提供する。我々のデータセットの真のクレームは、既存のモデルで対処できない検証と検索の問題に挑戦することを含んでいる。
論文参考訳（メタデータ） (2023-03-02T17:45:32Z)
Counting Carbon: A Survey of Factors Influencing the Emissions of Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文参考訳（メタデータ） (2023-02-16T18:35:00Z)
Greenhouse gases emissions: estimating corporate non-reported emissions using interpretable machine learning [0.0]
2022年現在、温室効果ガス(GHG)排出量の報告と監査はすべての企業に対して義務付けられていない。我々は、まだ報告していない企業のスコープ1とスコープ2のGHG排出量を推定する機械学習モデルを提案する。
論文参考訳（メタデータ） (2022-12-21T08:36:02Z)
AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
論文参考訳（メタデータ） (2021-04-01T17:40:08Z)
Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。本稿では,本稿で開発したツールと方法論について紹介する。
論文参考訳（メタデータ） (2020-11-03T21:22:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。