論文の概要: Leveraging Natural Language and Item Response Theory Models for ESG Scoring

• arxiv url: http://arxiv.org/abs/2407.20377v1
• Date: Mon, 29 Jul 2024 19:02:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-31 18:58:28.607305
• Title: Leveraging Natural Language and Item Response Theory Models for ESG Scoring
• Title（参考訳）: ESG Scoringにおける自然言語の活用と項目応答理論モデル
• Authors: César Pedrosa Soares,
• Abstract要約: この研究はブラジルの大手石油会社ペトロブラスに関連するポルトガルのニュース記事の包括的データセットを利用している。 データは、高度なNLP法を用いてESG関連感情に対してフィルタリングされ分類される。 その後、ラッシュモデルを用いてこれらのESG測度の心理測定特性を評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper explores an innovative approach to Environmental, Social, and Governance (ESG) scoring by integrating Natural Language Processing (NLP) techniques with Item Response Theory (IRT), specifically the Rasch model. The study utilizes a comprehensive dataset of news articles in Portuguese related to Petrobras, a major oil company in Brazil, collected from 2022 and 2023. The data is filtered and classified for ESG-related sentiments using advanced NLP methods. The Rasch model is then applied to evaluate the psychometric properties of these ESG measures, providing a nuanced assessment of ESG sentiment trends over time. The results demonstrate the efficacy of this methodology in offering a more precise and reliable measurement of ESG factors, highlighting significant periods and trends. This approach may enhance the robustness of ESG metrics and contribute to the broader field of sustainability and finance by offering a deeper understanding of the temporal dynamics in ESG reporting.
• Abstract（参考訳）: 本稿では,自然言語処理(NLP)技術と項目応答理論(IRT)を統合した環境・社会・ガバナンス(ESG)スコアリングの革新的アプローチについて検討する。 ブラジルの石油大手ペトロブラス(ペトロブラス)が2022年から2023年にかけて収集した、ポルトガルのニュース記事の包括的データセットを利用する。 データは、高度なNLP法を用いてESG関連感情に対してフィルタリングされ分類される。 次に、ラッシュモデルを用いてこれらのESG尺度の心理測定特性を評価し、時間とともにESGの感情傾向を微妙に評価する。 以上の結果から,ESG因子のより正確かつ信頼性の高い測定方法が有効であり,有意な期間と傾向が示された。 このアプローチはESG指標の堅牢性を高め、ESGレポートの時間的ダイナミクスをより深く理解することで、持続可能性と金融の幅広い分野に寄与する可能性がある。

関連論文リスト

• Evaluating the performance of state-of-the-art esg domain-specific pre-trained large language models in text classification against existing models and traditional machine learning techniques [0.0]
  本研究では,テキスト開示における環境・社会・ガバナンス情報(ESG)の分類について検討する。 本研究の目的は,E,S,G関連コンテンツをそれぞれ正確に識別・分類できるバイナリ分類モデルを開発し,評価することである。 この研究の動機は、投資決定におけるESGの考慮と企業説明責任の増大に起因している。
  論文  参考訳（メタデータ） (2024-09-30T20:08:32Z)
• ESG-FTSE: A corpus of news articles with ESG relevance labels and use cases [1.3937696730884712]
  環境・社会・ガバナンス(ESG)関連アノテーションによるニュース記事からなる最初のコーパスであるESG-FTSEについて述べる。 これにより、投資の資格を社会的責任として評価するESGスコアが上昇した。 量的手法はESGのスコアを改善するために適用することができ、そのため、責任ある投資を行うことができる。
  論文  参考訳（メタデータ） (2024-05-30T16:19:02Z)
• Leveraging Large Language Models for NLG Evaluation: Advances and Challenges [57.88520765782177]
  大規模言語モデル(LLM)は、コヒーレンス、クリエイティビティ、コンテキスト関連など、生成されたコンテンツ品質を評価するための新たな道を開いた。 既存のLCMに基づく評価指標を整理し、これらの手法を理解し比較するための構造化された枠組みを提供する。 本稿では, 偏見, 堅牢性, ドメイン固有性, 統一評価などの未解決課題を議論することによって, 研究者に洞察を提供し, より公平で高度なNLG評価手法を提唱することを目的とする。
  論文  参考訳（メタデータ） (2024-01-13T15:59:09Z)
• 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)
• SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
  我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。 SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
  論文  参考訳（メタデータ） (2023-10-27T06:48:48Z)
• 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)
• ESGBERT: Language Model to Help with Classification Tasks Related to Companies Environmental, Social, and Governance Practices [0.0]
  環境、社会、ガバナンス(ESG)といった非金融要因が投資家から注目を集めている。 ESGテキストの分類タスクには高度なNLP技術が必要である。 本研究では,ESG 固有のテキストを用いて事前学習した BERT の重み付けを微調整し,さらに分類タスクのためのモデルを微調整することによってこれを行う。
  論文  参考訳（メタデータ） (2022-03-31T04:22:44Z)
• Incorporating Dynamic Semantics into Pre-Trained Language Model for Aspect-based Sentiment Analysis [67.41078214475341]
  ABSAの動的アスペクト指向セマンティクスを学ぶために,DR-BERT(Dynamic Re-weighting BERT)を提案する。 具体的には、まずStack-BERT層を主エンコーダとして、文の全体的な意味を理解する。 次に、軽量な動的再重み付けアダプタ(DRA)を導入して微調整する。
  論文  参考訳（メタデータ） (2022-03-30T14:48:46Z)
• The GEM Benchmark: Natural Language Generation, its Evaluation and Metrics [66.96150429230035]
  我々は、自然言語生成(NLG)のための生きたベンチマークであるGEM、その評価、およびメトリクスを紹介する。 ベンチマークの定期的なアップデートにより、NLGの研究はより多言語化され、モデルとともに課題を進化させる。
  論文  参考訳（メタデータ） (2021-02-02T18:42:05Z)
• Dynamic Data Selection and Weighting for Iterative Back-Translation [116.14378571769045]
  本稿では,反復的バックトランスレーションモデルのためのカリキュラム学習戦略を提案する。 我々は、ドメイン適応、低リソース、高リソースMT設定に関するモデルを評価する。 実験の結果,提案手法は競争基準値よりも最大1.8 BLEU点の改善を達成できた。
  論文  参考訳（メタデータ） (2020-04-07T19:49:58Z)
• Benchmarking Graph Neural Networks [75.42159546060509]
  グラフニューラルネットワーク(GNN)は、グラフ上のデータから分析および学習するための標準ツールキットとなっている。 成功している分野が主流で信頼性を持つようになるためには、進捗を定量化するためにベンチマークを開発する必要がある。 GitHubリポジトリは1,800のスターと339のフォークに到達し、提案されているオープンソースフレームワークの有用性を実証している。
  論文  参考訳（メタデータ） (2020-03-02T15:58:46Z)

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。