論文の概要: Harnessing the Web and Knowledge Graphs for Automated Impact Investing Scoring

• arxiv url: http://arxiv.org/abs/2308.02622v1
• Date: Fri, 4 Aug 2023 15:14:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-08 19:37:56.746985
• Title: Harnessing the Web and Knowledge Graphs for Automated Impact Investing Scoring
• Title（参考訳）: webとナレッジグラフを活用した自動インパクト投資スコアリング
• Authors: Qingzhi Hu, Daniel Daza, Laurens Swinkels, Kristina \=Usait\.e, Robbert-Jan 't Hoen, Paul Groth
• Abstract要約: 持続可能な開発目標のフレームワークを作成するプロセスを自動化するための,データ駆動システムについて説明する。 本稿では,異なるWebソースからテキストのデータセットを収集・フィルタリングする新しい手法と,企業の集合に関連する知識グラフを提案する。 以上の結果から,我々の最高性能モデルでは,マイクロ平均F1スコア0.89でSDGスコアを正確に予測できることがわかった。
• 参考スコア（独自算出の注目度）: 2.4107880640624706
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Sustainable Development Goals (SDGs) were introduced by the United Nations in order to encourage policies and activities that help guarantee human prosperity and sustainability. SDG frameworks produced in the finance industry are designed to provide scores that indicate how well a company aligns with each of the 17 SDGs. This scoring enables a consistent assessment of investments that have the potential of building an inclusive and sustainable economy. As a result of the high quality and reliability required by such frameworks, the process of creating and maintaining them is time-consuming and requires extensive domain expertise. In this work, we describe a data-driven system that seeks to automate the process of creating an SDG framework. First, we propose a novel method for collecting and filtering a dataset of texts from different web sources and a knowledge graph relevant to a set of companies. We then implement and deploy classifiers trained with this data for predicting scores of alignment with SDGs for a given company. Our results indicate that our best performing model can accurately predict SDG scores with a micro average F1 score of 0.89, demonstrating the effectiveness of the proposed solution. We further describe how the integration of the models for its use by humans can be facilitated by providing explanations in the form of data relevant to a predicted score. We find that our proposed solution enables access to a large amount of information that analysts would normally not be able to process, resulting in an accurate prediction of SDG scores at a fraction of the cost.
• Abstract（参考訳）: 持続可能な開発目標(SDG)は、人間の繁栄と持続可能性を保証するための政策と活動を促進するために国連によって導入された。 金融業界で作られたSDGフレームワークは、企業が17のSDGのそれぞれにどれだけうまく適合しているかを示すスコアを提供するように設計されている。 このスコアリングにより、包括的で持続可能な経済を構築する可能性を持つ投資の一貫性のある評価が可能になる。 このようなフレームワークが要求する高品質と信頼性の結果として、それらの作成とメンテナンスのプロセスは時間がかかり、広範なドメイン専門知識が必要です。 本研究では,SDGフレームワーク作成プロセスの自動化を目指すデータ駆動システムについて述べる。 まず、異なるWebソースからテキストのデータセットを収集・フィルタリングする新しい手法と、企業の集合に関連する知識グラフを提案する。 次に、このデータでトレーニングされた分類器を実装して、ある企業のSDGとのアライメントのスコアを予測する。 この結果から,提案手法の有効性を実証し,マイクロ平均F1スコア0.89でSDGスコアを正確に予測できることが示唆された。 さらに、予測スコアに関連するデータ形式の説明を提供することにより、人間による利用のためのモデルの統合がいかに容易かについても述べる。 提案手法は,アナリストが通常処理できない大量の情報へのアクセスを可能にし,SDGスコアの正確な予測をコストのごく一部で実現する。

関連論文リスト

• FinRobot: AI Agent for Equity Research and Valuation with Large Language Models [6.2474959166074955]
  本稿では、エクイティリサーチに特化したAIエージェントフレームワークであるFinRobotについて述べる。 FinRobotはマルチエージェント・チェーン・オブ・シント(CoT)システムを採用し、定量分析と定性的分析を統合し、人間のアナリストの包括的な推論をエミュレートする。 CapitalCubeやWright Reportsのような既存の自動研究ツールとは異なり、FinRobotは大手ブローカー会社や基礎研究ベンダーと同等の洞察を提供する。
  論文  参考訳（メタデータ） (2024-11-13T17:38:07Z)
• A Scalable Data-Driven Framework for Systematic Analysis of SEC 10-K Filings Using Large Language Models [0.0]
  SEC10-Kの申請に基づいて企業の業績を分析し,評価する,新たなデータ駆動型アプローチを提案する。 提案手法は、データパイプラインを実行して視覚化を作成するためのノーコードソリューションとして、対話型GUI上に実装される。 このアプリケーションは評価結果を示し、企業業績の年次比較を提供する。
  論文  参考訳（メタデータ） (2024-09-26T06:57:22Z)
• How Much Data are Enough? Investigating Dataset Requirements for Patch-Based Brain MRI Segmentation Tasks [74.21484375019334]
  ディープニューラルネットワークを確実にトレーニングするには、大規模なデータセットへのアクセスが必要である。 モデル開発に関連する時間的・経済的コストを緩和するためには,満足度の高いモデルをトレーニングするために必要なデータの量を明確に理解することが重要である。 本稿では,パッチベースのセグメンテーションネットワークのトレーニングに必要なアノテートデータの量を推定するための戦略的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-04-04T13:55:06Z)
• Confidence Ranking for CTR Prediction [11.071444869776725]
  本稿では,最適化目標をランキング関数として設計する,信頼ランキングという新しいフレームワークを提案する。 本実験により、信頼度ランキング損失の導入は、公共および産業データセットのCTR予測タスクにおいて、すべてのベースラインを上回り得ることが示された。 このフレームワークは、JD.comの広告システムに展開され、ファインランクの段階で主要なトラフィックをサービスしている。
  論文  参考訳（メタデータ） (2023-06-28T07:31:00Z)
• Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
  実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。 本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。 本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:01:12Z)
• Using Sampling to Estimate and Improve Performance of Automated Scoring Systems with Guarantees [63.62448343531963]
  本稿では,既存のパラダイムを組み合わせることで,人間が知能的に収集する応答をサンプリングする手法を提案する。 比較的少ない予算で精度(平均19.80%)と二次重み付きカッパ(平均25.60%)の顕著な増加を観察した。
  論文  参考訳（メタデータ） (2021-11-17T05:00:51Z)
• SustainBench: Benchmarks for Monitoring the Sustainable Development Goals with Machine Learning [63.192289553021816]
  国連持続可能な開発目標の進展は、主要な環境・社会経済指標のデータ不足によって妨げられている。 近年の機械学習の進歩により、衛星やソーシャルメディアなど、豊富な、頻繁に更新され、グローバルに利用可能なデータを活用することが可能になった。 本稿では,7個のSDGにまたがる15個のベンチマークタスクの集合であるSustainBenchを紹介する。
  論文  参考訳（メタデータ） (2021-11-08T18:59:04Z)
• DAGA: Data Augmentation with a Generation Approach for Low-resource Tagging Tasks [88.62288327934499]
  線形化ラベル付き文に基づいて訓練された言語モデルを用いた新しい拡張手法を提案する。 本手法は, 教師付き設定と半教師付き設定の両方に適用可能である。
  論文  参考訳（メタデータ） (2020-11-03T07:49:15Z)
• Bandit Data-Driven Optimization [62.01362535014316]
  機械学習パイプラインが設定で有用になるためには、克服しなければならない大きな問題点が4つある。 これらの問題点に対処する最初の反復予測記述フレームワークであるBanditデータ駆動最適化を導入する。 本稿では,このフレームワークの新しいアルゴリズム PROOF を提案する。
  論文  参考訳（メタデータ） (2020-08-26T17:50:49Z)

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。