論文の概要: Glitter or Gold? Deriving Structured Insights from Sustainability Reports via Large Language Models

• arxiv url: http://arxiv.org/abs/2310.05628v2
• Date: Fri, 3 Nov 2023 10:43:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-06 17:04:10.936962
• Title: Glitter or Gold? Deriving Structured Insights from Sustainability Reports via Large Language Models
• Title（参考訳）: GlitterかGoldか? 大規模言語モデルによるサステナビリティレポートからの構造化された洞察の導出
• Authors: Marco Bronzini, Carlo Nicolini, Bruno Lepri, Andrea Passerini, Jacopo Staiano
• Abstract要約: 本研究は、企業のサステナビリティレポートから意味的に構造化されたESG関連情報を抽出するために、情報抽出(IE)技術を用いる。 次に、グラフに基づく表現を用いて有意な統計的、類似性、相関分析を行う。 この分析により、企業の開示がESGのスコアに他の財務・企業特性よりも影響があることが明らかになった。
• 参考スコア（独自算出の注目度）: 16.231171704561714
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Over the last decade, several regulatory bodies have started requiring the disclosure of non-financial information from publicly listed companies, in light of the investors' increasing attention to Environmental, Social, and Governance (ESG) issues. Such information is publicly released in a variety of non-structured and multi-modal documentation. Hence, it is not straightforward to aggregate and consolidate such data in a cohesive framework to further derive insights about sustainability practices across companies and markets. Given these premises, it is natural to resort to Information Extraction (IE) techniques to provide concise, informative, and actionable data to the stakeholders. Moving beyond traditional text processing techniques, in this work we leverage Large Language Models (LLMs), along with the prominent in-context learning technique and the Retrieved Augmented Generation (RAG) paradigm, to extract semantically structured ESG-related information from companies' sustainability reports. We then adopt graph-based representations to conduct meaningful statistical, similarity and correlation analyses concerning the ESG-related actions disclosed by companies in their sustainability reports. These analyses unveiled that companies address ESG-related issues through several actions encompassing recognition, compliance, and partnerships; highlighting the complexity and joint efforts needed to address them. Moreover, disclosure similarities emerged among companies from the same region or sector. Lastly, we investigate which factual aspects impact the most on companies' ESG scores using our findings and other company information. This analysis unveiled that companies' disclosures affect ESG scores more than other financial or company characteristics.
• Abstract（参考訳）: 過去10年間で、いくつかの規制機関が、環境・社会・ガバナンス(esg)問題に対する投資家の関心の高まりを踏まえて、上場企業からの非金融情報の開示を要求し始めている。 このような情報は、さまざまな非構造化およびマルチモーダルドキュメントで公開されている。 したがって、企業や市場をまたがる持続可能性プラクティスに関する洞察をさらに導き出すため、結束した枠組みでこれらのデータを集約して統合するのは簡単ではない。 これらの前提を考えると、利害関係者に簡潔で情報的かつ実行可能なデータを提供するための情報抽出(ie)技術に頼るのは自然なことです。 従来のテキスト処理技術を超えて、この研究では、大規模言語モデル(LLM)と、卓越したコンテキスト内学習技術と、Retrieved Augmented Generation(RAG)パラダイムを活用して、企業の持続可能性レポートから意味的に構造化されたESG関連情報を抽出します。 次に,企業によるサステナビリティレポートにおけるESG関連行動に関する有意義な統計的,類似性,相関分析を行うために,グラフに基づく表現を採用する。 これらの分析により、企業は認識、コンプライアンス、パートナーシップを含むいくつかのアクションを通じてesg関連の問題に対処できることが明らかになった。 また、同地域やセクターの企業間での開示類似性も現れた。 最後に,その事実が企業のESGスコアに与える影響を,我々の発見やその他の企業情報を用いて調査する。 この分析により、企業の開示がESGのスコアに他の財務・企業特性よりも影響があることが明らかになった。

関連論文リスト

• Trustworthiness in Retrieval-Augmented Generation Systems: A Survey [59.26328612791924]
  Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)の開発において、急速に重要なパラダイムへと成長してきた。 本稿では,RAGシステムの信頼性を,事実性,堅牢性,公正性,透明性,説明責任,プライバシの6つの面で評価する統一的な枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-16T09:06:44Z)
• On the Societal Impact of Open Foundation Models [93.67389739906561]
  ここでは、広く利用可能なモデルウェイトを持つものとして定義されている、オープンファンデーションモデルに重点を置いています。 オープンファンデーションモデルの5つの特徴を識別し,その利点とリスクを両立させる。
  論文  参考訳（メタデータ） (2024-02-27T16:49:53Z)
• CRUD-RAG: A Comprehensive Chinese Benchmark for Retrieval-Augmented Generation of Large Language Models [49.16989035566899]
  Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)の能力を高める技術である。 本稿では,大規模かつ包括的なベンチマークを構築し,様々なRAGアプリケーションシナリオにおけるRAGシステムのすべてのコンポーネントを評価する。
  論文  参考訳（メタデータ） (2024-01-30T14:25:32Z)
• ESGReveal: An LLM-based approach for extracting structured data from ESG reports [5.467389155759699]
  ESGRevealは企業報告から環境・社会・ガバナンス(ESG)データを効率的に抽出・分析するための革新的な手法である。 このアプローチは、検索拡張生成(RAG)技術で強化されたLarge Language Models (LLM)を利用する。 この効果は、2022年に香港証券取引所に上場した様々な分野の166社のESGレポートを用いて評価された。
  論文  参考訳（メタデータ） (2023-12-25T06:44:32Z)
• Modeling the Evolutionary Trends in Corporate ESG Reporting: A Study based on Knowledge Management Model [0.08999666725996973]
  テク業界の企業1114件のESGレポートを分析し,テキストマイニングによるESGトピックの進化傾向を分析した。 進化の過程において,低環境,中程度のガバナンス,高い社会的特徴に対する均質化効果を発見した。 その結果,ESGレポートでは,企業が産業上の卓越性や専門性にはあまり貢献していないことが示唆された。
  論文  参考訳（メタデータ） (2023-09-13T14:54:51Z)
• Paradigm Shift in Sustainability Disclosure Analysis: Empowering Stakeholders with CHATREPORT, a Language Model-Based Tool [10.653984116770234]
  本稿では,企業サステナビリティレポートの分析を自動化するために,専門知識を持つ大規模言語モデル(LLM)を強化する新たなアプローチを提案する。 当社はCHATREPORTを認定し、企業における気候変動リスクの開示を評価するための第1のユースケースに適用する。
  論文  参考訳（メタデータ） (2023-06-27T14:46:47Z)
• Sentiment Analysis in the Era of Large Language Models: A Reality Check [69.97942065617664]
  本稿では,大規模言語モデル(LLM)の様々な感情分析タスクの実行能力について検討する。 26のデータセット上の13のタスクのパフォーマンスを評価し、ドメイン固有のデータセットに基づいて訓練された小言語モデル(SLM)と比較した。
  論文  参考訳（メタデータ） (2023-05-24T10:45:25Z)
• Predicting Companies' ESG Ratings from News Articles Using Multivariate Timeseries Analysis [17.332692582748408]
  我々は,多変量時系列構築と深層学習技術を組み合わせて,ニュース記事からESG評価を予測するモデルを構築した。 約3000の米国企業のニュースデータセットとそのレーティングも作成され、トレーニング用にリリースされている。 提案手法は,手動によるESG評価の判定や分析を支援するために,最先端技術よりも正確な結果を提供する。
  論文  参考訳（メタデータ） (2022-11-13T11:23:02Z)
• GENEVA: Benchmarking Generalizability for Event Argument Extraction with Hundreds of Event Types and Argument Roles [77.05288144035056]
  Event Argument extract (EAE)は、新しいイベントやドメインに対応するためのモデルの一般化性の改善に重点を置いている。 ACEやEREといった標準的なベンチマークデータセットは、40のイベントタイプと25のエンティティ中心の引数ロールをカバーする。
  論文  参考訳（メタデータ） (2022-05-25T05:46:28Z)
• Survey of Aspect-based Sentiment Analysis Datasets [55.61047894397937]
  アスペクトベースの感情分析(ABSA)は、ユーザ生成レビューの分析を必要とする自然言語処理の問題である。 ABSAの多くの散在したコーパスは、研究者が特定のABSAサブタスクに適したコーパスを素早く特定することを困難にしている。 本研究では,自律型ABSAシステムの学習・評価に使用できるコーパスデータベースを提案する。
  論文  参考訳（メタデータ） (2022-04-11T16:23:36Z)
• Heterogeneous Ensemble for ESG Ratings Prediction [1.9659095632676094]
  投資家は環境、社会、ガバナンスの側面に沿って評価を発行する専門格付け機関に頼っている。 評価機関は、すべての会社が提供するものではなく、サステナビリティレポートの主観評価に基づく分析を行っている。 基礎データを用いてESG評価の予測を行うヘテロジニアスアンサンブルモデルを提案する。
  論文  参考訳（メタデータ） (2021-09-21T10:42:24Z)

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。