論文の概要: Supply chain emission estimation using large language models

• arxiv url: http://arxiv.org/abs/2308.01741v1
• Date: Thu, 3 Aug 2023 13:06:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-04 14:08:52.192870
• Title: Supply chain emission estimation using large language models
• Title（参考訳）: 大規模言語モデルを用いたサプライチェーン排出推定
• Authors: Ayush Jain, Manikandan Padmanaban, Jagabondhu Hazra, Shantanu Godbole, Kommy Weldemariam
• Abstract要約: ドメイン適応NLPファンデーションモデルを用いて、スコープ3排出量を推定する第一種フレームワークを提案する。 提案手法の性能をTF-IDF, word2Vec, Zero といった最先端のテキスト分類モデルと比較する。
• 参考スコア（独自算出の注目度）: 15.605998085195314
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large enterprises face a crucial imperative to achieve the Sustainable Development Goals (SDGs), especially goal 13, which focuses on combating climate change and its impacts. To mitigate the effects of climate change, reducing enterprise Scope 3 (supply chain emissions) is vital, as it accounts for more than 90\% of total emission inventories. However, tracking Scope 3 emissions proves challenging, as data must be collected from thousands of upstream and downstream suppliers.To address the above mentioned challenges, we propose a first-of-a-kind framework that uses domain-adapted NLP foundation models to estimate Scope 3 emissions, by utilizing financial transactions as a proxy for purchased goods and services. We compared the performance of the proposed framework with the state-of-art text classification models such as TF-IDF, word2Vec, and Zero shot learning. Our results show that the domain-adapted foundation model outperforms state-of-the-art text mining techniques and performs as well as a subject matter expert (SME). The proposed framework could accelerate the Scope 3 estimation at Enterprise scale and will help to take appropriate climate actions to achieve SDG 13.
• Abstract（参考訳）: 大企業は、持続可能な開発目標(SDG)、特に気候変動とその影響と戦うことに焦点を当てた目標13を達成するための重要な衝動に直面している。 気候変動の影響を緩和するためには、企業スコープ3(サプライチェーンエミッション)の削減が不可欠であり、総排出量の90%以上を占める。 しかし、上下流の何千ものサプライヤーからデータを集めなければならないため、スコープ3排出量の追跡は困難であり、上記の課題に対処するため、我々は、購入した商品やサービスの代理として金融取引を利用することで、ドメイン対応nlpファウンデーションモデルを用いてスコープ3排出量を推定するファースト・オブ・ア・カウンセリング・フレームワークを提案する。 提案フレームワークの性能をtf-idf, word2vec, zero shot learningなどの最先端テキスト分類モデルと比較した。 その結果, ドメイン適応基礎モデルは, 最先端のテキストマイニング技術より優れ, 課題専門知識(SME)も優れていることがわかった。 提案手法は企業規模でのスコープ3の推定を加速し、sdg13を達成するための適切な気候措置を講じる。

関連論文リスト

• Towards Universal Large-Scale Foundational Model for Natural Gas Demand Forecasting [12.60741035434783]
  本稿では,天然ガス需要予測に適した基礎モデルを提案する。 提案手法は,現実シナリオの予測精度を向上させるために,コントラスト学習を利用する。 ENNグループによる大規模データセットを用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2024-09-24T06:44:29Z)
• Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
  地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。 我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。 本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
  論文  参考訳（メタデータ） (2024-09-11T19:31:56Z)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Revisiting Catastrophic Forgetting in Large Language Model Tuning [79.70722658190097]
  Catastrophic Forgetting (CF) は、新しいデータを学ぶ際に獲得した知識を忘れるモデルを意味する。 本稿では,モデル損失景観の平坦度と大規模言語モデルの分野におけるCFの広さとの直接的な関係を明らかにするための第一歩を踏み出した。 様々なモデルスケールにまたがる3つの大規模微調整データセットの実験により,CFを緩和する手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-06-07T11:09:13Z)
• Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
  ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている 本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。 本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
  論文  参考訳（メタデータ） (2024-04-28T05:46:28Z)
• Emissions Reporting Maturity Model: supporting cities to leverage emissions-related processes through performance indicators and artificial intelligence [0.0]
  本研究は,排出報告イニシアチブからのデータの調査,クラスタリング,分析を行うための排出報告成熟度モデル(ERMM)を提案する。 PIDPは,エミッション関連データベースからのデータ作成,クラスタリング手法の異なる類似性によるデータの分類,パフォーマンス指標候補の同定を支援する。
  論文  参考訳（メタデータ） (2023-12-08T17:51:57Z)
• TransCORALNet: A Two-Stream Transformer CORAL Networks for Supply Chain Credit Assessment Cold Start [5.0299791897740675]
  このモデルは、履歴データに制限のある新規サプライチェーン借入者に対して、正確な信用評価予測を提供することを目的としている。 提案モデルは、ドメインシフト、コールドスタート、不均衡クラス、解釈可能性の4つの重要なサプライチェーンクレジットアセスメント課題に対処する。
  論文  参考訳（メタデータ） (2023-11-30T17:47:02Z)
• Large Scale Masked Autoencoding for Reducing Label Requirements on SAR Data [5.235143203977019]
  本研究では,地球表面面積の8.7%をカバーするSAR振幅データに対して,自己教師付き事前学習方式,マスク付き自動符号化を適用した。 この事前学習方式を用いることで、下流タスクのラベル付け要求を1桁以上削減できることを示す。 本研究は,タスクモデルと地域固有のSARモデルの開発を促進することにより,気候変動の緩和を著しく促進する。
  論文  参考訳（メタデータ） (2023-10-02T00:11:47Z)
• Ladder-of-Thought: Using Knowledge as Steps to Elevate Stance Detection [73.31406286956535]
  姿勢検出タスクにLadder-of-Thought(LoT)を導入する。 LoTは、小さなLMに高品質な外部知識を同化させ、生成した中間的論理を精査するように指示する。 実験では, 姿勢検出タスクにおけるCoTのGPT-3.5よりも16%改善し, 10%向上した。
  論文  参考訳（メタデータ） (2023-08-31T14:31:48Z)
• A comparative study of statistical and machine learning models on near-real-time daily emissions prediction [0.0]
  二酸化炭素排出量の急激な上昇は、地球温暖化と気候変動の大きな原因である。 本稿は、2020年1月1日から2022年9月30日までの日中排出量予測に適したモデルを選択することを目的とする。
  論文  参考訳（メタデータ） (2023-02-02T15:14:27Z)
• Towards Inheritable Models for Open-Set Domain Adaptation [56.930641754944915]
  本稿では、将来、ソースデータセットが存在しない場合の適応を容易にするために、ソース学習モデルを用いた実用的なドメイン適応パラダイムを提案する。 本稿では,ソースデータがない場合でも,対象領域に対して最適なソースモデルの選択を可能にするために,継承可能性の定量化を目的とする手法を提案する。
  論文  参考訳（メタデータ） (2020-04-09T07:16:30Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。