論文の概要: Exploring Nature: Datasets and Models for Analyzing Nature-Related Disclosures

• arxiv url: http://arxiv.org/abs/2312.17337v1
• Date: Thu, 28 Dec 2023 19:42:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-02 14:50:34.263190
• Title: Exploring Nature: Datasets and Models for Analyzing Nature-Related Disclosures
• Title（参考訳）: 自然を探索する:自然関連開示の分析のためのデータセットとモデル
• Authors: Tobias Schimanski, Chiara Colesanti Senni, Glen Gostlow, Jingwei Ni, Tingyu Yu, Markus Leippold
• Abstract要約: 我々は,自然関連財務開示タスクフォースのガイドラインにアプローチを定めている。 各次元について、2200のテキストサンプルとトレーニング分類器モデルを備えたエキスパートアノテーション付きデータセットを作成します。 ホットスポット地域では,自然コミュニケーションが普及し,農業や公共事業といった産業に直接的な影響を及ぼすことが示唆された。
• 参考スコア（独自算出の注目度）: 3.348779089844034
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Nature is an amorphous concept. Yet, it is essential for the planet's well-being to understand how the economy interacts with it. To address the growing demand for information on corporate nature disclosure, we provide datasets and classifiers to detect nature communication by companies. We ground our approach in the guidelines of the Taskforce on Nature-related Financial Disclosures (TNFD). Particularly, we focus on the specific dimensions of water, forest, and biodiversity. For each dimension, we create an expert-annotated dataset with 2,200 text samples and train classifier models. Furthermore, we show that nature communication is more prevalent in hotspot areas and directly effected industries like agriculture and utilities. Our approach is the first to respond to calls to assess corporate nature communication on a large scale.
• Abstract（参考訳）: 自然はアモルファスな概念である。 しかし、経済と経済の相互作用を理解することは、この惑星の幸福に欠かせない。 企業による自然情報開示の需要の増加に対応するため,企業による自然コミュニケーションを検出するためのデータセットと分類器を提供する。 我々は,自然関連財務開示タスクフォース(TNFD)のガイドラインにアプローチを定めている。 特に、水、森林、生物多様性の特定の次元に焦点を当てます。 各次元について、2200のテキストサンプルとトレーニング分類器モデルを備えたエキスパートアノテーション付きデータセットを作成します。 さらに, ホットスポット地域では自然コミュニケーションが普及しており, 農業や公益事業などの産業に直接影響を与えることを示した。 当社のアプローチは,企業自然コミュニケーションを大規模に評価するためのコールに対応する最初の方法です。

関連論文リスト

• General Geospatial Inference with a Population Dynamics Foundation Model [17.696501367579014]
  Population Dynamics Foundation Model (PDFM)は、多様なデータモダリティ間の関係を捉えることを目的としている。 まず、アメリカ合衆国全土の郵便番号と郡のための地理インデックス付きデータセットを構築した。 次に、グラフニューラルネットワークを用いて、このデータと位置間の複雑な関係をモデル化する。 我々は、PDFMと最先端の予測基盤モデルであるTimesFMを組み合わせることで、失業と貧困を予測する。
  論文  参考訳（メタデータ） (2024-11-11T18:32:44Z)
• DivShift: Exploring Domain-Specific Distribution Shift in Volunteer-Collected Biodiversity Datasets [0.0]
  約800万のiNaturalist植物画像のキュレートされたデータセットであるDivShift-NAWC(DivShift-NAWC)を紹介した。 モデル性能を既知の4つのバイアスで比較し、それらが実際にモデル性能を損なうことを観察する。 我々は、気候変動が世界の生物多様性に与える影響を監視するために、データセットをキュレートしてディープラーニングモデルを訓練する実践的戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-17T23:56:30Z)
• Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
  我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。 我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。 また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
  論文  参考訳（メタデータ） (2024-10-14T17:22:55Z)
• Mapping Land Naturalness from Sentinel-2 using Deep Contextual and Geographical Priors [1.4528189330418977]
  我々は,現代の人的圧力の連続体に自然の陸地をマッピングするマルチモーダル教師付き深層学習フレームワークを開発した。 我々のフレームワークは、センチネル2データから陸地自然度をマッピングする際のモデルの予測性能を改善する。
  論文  参考訳（メタデータ） (2024-06-27T16:17:33Z)
• Analyzing Human Questioning Behavior and Causal Curiosity through Natural Queries [91.70689724416698]
  NatQuest(ナットクエスト)は、3つの異なるソースから自然発生の質問13,500件のコレクションである。 分析の結果,データセット内には因果的疑問(最大42%)が有意な存在であることが判明した。
  論文  参考訳（メタデータ） (2024-05-30T17:55:28Z)
• SatBird: Bird Species Distribution Modeling with Remote Sensing and Citizen Science Data [68.2366021016172]
  本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。 ケニアでは低データのレシエーションを表すデータセットも提供しています。 リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
  論文  参考訳（メタデータ） (2023-11-02T02:00:27Z)
• OpenForest: A data catalogue for machine learning in forest monitoring [21.005174521192675]
  森林モニタリングの促進は、人間の影響を緩和し、森林構成の理解を深める上での利点である。 空間規模で86のオープンアクセス森林データセットの概要を概観する。 これらのデータセットは、すべての利用可能なオープンアクセスフォレストデータセットを参照しようとするコントリビューションにオープンな動的カタログであるOpenForestにグループ化されている。
  論文  参考訳（メタデータ） (2023-11-01T03:59:20Z)
• Using interpretable boosting algorithms for modeling environmental and agricultural data [0.0]
  本稿では,高次元環境データの解析に解釈可能なブースティングアルゴリズムを用いる方法について述べる。 提案手法は, 群構造をどう考えるか, 相互作用が高次元データセットでどのように見られるのかを, 新たな2段階ブースティング手法を用いて示すものである。
  論文  参考訳（メタデータ） (2023-05-04T10:16:11Z)
• Toward the Automated Construction of Probabilistic Knowledge Graphs for the Maritime Domain [60.76554773885988]
  国際海事犯罪はますます高度化しており、より広い犯罪ネットワークと結びついていることが多い。 これは、ハードデータと他のタイプのデータを組み合わせることを目的とした研究と開発に繋がった。 本稿では,確率的知識グラフの自動構築のためのプロトタイプであるMaritime DeepDiveを提案する。
  論文  参考訳（メタデータ） (2023-05-04T00:24:30Z)
• A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
  本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。 このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
  論文  参考訳（メタデータ） (2022-11-04T09:58:57Z)
• A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
  我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。 このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
  論文  参考訳（メタデータ） (2020-06-05T08:04:37Z)

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。