論文の概要: Leveraging Language Models to Detect Greenwashing
- arxiv url: http://arxiv.org/abs/2311.01469v1
- Date: Mon, 30 Oct 2023 21:41:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-12 19:55:54.002954
- Title: Leveraging Language Models to Detect Greenwashing
- Title(参考訳): グリーンウォッシングの検出に言語モデルを活用する
- Authors: Avalon Vinella, Margaret Capetz, Rebecca Pattichis, Christina Chance,
and Reshmi Ghosh
- Abstract要約: グリーンウォッシングリスクに対して,生成ラベル上で言語モデルをトレーニングするための新しい手法を提案する。
本研究の主な貢献は,緑化リスクを定量化するための数学的定式化と,この問題に対する微調整式CurrentBERTモデルである。
持続可能性レポートからなるテストセットでは, 平均精度スコアが86.34%, F1スコアが0.67。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, climate change repercussions have increasingly captured
public interest. Consequently, corporations are emphasizing their environmental
efforts in sustainability reports to bolster their public image. Yet, the
absence of stringent regulations in review of such reports allows potential
greenwashing. In this study, we introduce a novel methodology to train a
language model on generated labels for greenwashing risk. Our primary
contributions encompass: developing a mathematical formulation to quantify
greenwashing risk, a fine-tuned ClimateBERT model for this problem, and a
comparative analysis of results. On a test set comprising of sustainability
reports, our best model achieved an average accuracy score of 86.34% and F1
score of 0.67, demonstrating that our methods show a promising direction of
exploration for this task.
- Abstract(参考訳): 近年、気候変動による影響が大衆の関心を惹きつけている。
その結果、企業は公的なイメージを強化するために持続可能性レポートへの環境取り組みを強調している。
しかし、このような報告書のレビューに厳格な規制がないことは、グリーンウォッシングの可能性を秘めている。
本研究では,グリーンウォッシングリスクを考慮に入れたラベルを用いた言語モデル学習手法を提案する。
本研究の主な貢献は,緑化リスクを定量化するための数学的定式化,この問題に対する微調整式CurrentBERTモデル,結果の比較分析である。
持続可能性レポートからなるテストセットでは, 平均精度スコア86.34%, F1スコア0.67を達成し, 提案手法が本課題に対する探索の有望な方向を示すことを示した。
関連論文リスト
- Long-term drought prediction using deep neural networks based on
geospatial weather data [78.63225885697149]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
多様な時間的ニューラルネットワークモデルを用いたエンドツーエンドアプローチを導入することで、干ばつデータに対処する。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳(メタデータ) (2023-09-12T13:28:06Z) - Towards Sustainable Development: A Novel Integrated Machine Learning
Model for Holistic Environmental Health Monitoring [0.0]
都市化は経済成長を可能にするが、劣化によって環境を害する。
機械学習は、主要な予測的特徴を特定することによって環境劣化を追跡するための有望なツールとして登場した。
本研究の目的は、介入点の特定、計画と保全の取り組みの改善、そして究極的には持続可能な開発への貢献を支援することである。
論文 参考訳(メタデータ) (2023-08-20T16:35:21Z) - 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) - GEO-Bench: Toward Foundation Models for Earth Monitoring [139.77907168809085]
6つの分類と6つのセグメンテーションタスクからなるベンチマークを提案する。
このベンチマークは、さまざまな地球観測タスクの進行の原動力となる。
論文 参考訳(メタデータ) (2023-06-06T16:16:05Z) - 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) - Analysis of Biomass Sustainability Indicators from a Machine Learning
Perspective [4.129067364486898]
本研究では,機械学習モデルを用いてサステナビリティ指標を解析し,バイオマスのサステナビリティ予測のためのロバストモデルを提案する。
10種類の機械学習モデルを用いて, バイオマス持続可能性指標, 土壌浸食因子, 土壌条件指標, 有機物因子を推定した。
その結果,サステナビリティ指標を評価する上では,ランダムフォレストが最も優れたモデルであることが示唆された。
論文 参考訳(メタデータ) (2023-02-02T02:31:42Z) - Environmental Claim Detection [6.2887102994549595]
本稿では,環境クレーム検出の課題を紹介する。
専門家による注釈付きデータセットと、このデータセットでトレーニングされたモデルをリリースします。
2015年のパリ協定以降、環境要求件数は着実に増加していることが判明した。
論文 参考訳(メタデータ) (2022-09-01T14:51:07Z) - Measuring Wind Turbine Health Using Drifting Concepts [55.87342698167776]
風力タービンの健全性解析のための2つの新しい手法を提案する。
第1の方法は、比較的高低電力生産の減少または増加を評価することを目的とする。
第2の方法は抽出された概念の全体的ドリフトを評価する。
論文 参考訳(メタデータ) (2021-12-09T14:04:55Z) - 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) - Crop Yield Prediction Integrating Genotype and Weather Variables Using
Deep Learning [8.786816847837976]
我々は,北米のUniform Soybean Tests (UST) から13年間のデータにまたがる過去のパフォーマンス記録を用いて,複数環境でジェノタイプ応答を検出・予測するために,Long Short Term Memory - Recurrent Neural Network based modelを構築した。
我々は、このディープラーニングフレームワークを「仮説生成ツール」としてデプロイし、GxExM関係を解き放つ。
異なる気候条件下でのダイズおよび他の作物に対するこのアプローチの適用性(感度分析および「What-if」シナリオ)について検討した。
論文 参考訳(メタデータ) (2020-06-24T16:20:12Z)
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。