論文の概要: Scope3Trace: Evidence-Based Identification and Extraction of Scope 3 GHG Emissions from Sustainability Reports

• arxiv url: http://arxiv.org/abs/2607.17122v1
• Date: Sun, 19 Jul 2026 08:13:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.377293
• Title: Scope3Trace: Evidence-Based Identification and Extraction of Scope 3 GHG Emissions from Sustainability Reports
• Title（参考訳）: Scope3Trace:サステナビリティレポートからのスコープ3GHG排出の証拠に基づく同定と抽出
• Abstract要約: 温室効果ガス(GHG)排出量は、コーポレートカーボンフットプリントの大半を占める。 既存のアプローチは通常、ESGレポートから排出情報を抽出するために大きな言語モデルに依存している。 我々はScop3Traceを提案する。Scop3Traceは、解釈可能でトレーサブルなScop3エミッション情報を抽出するエビデンスグラウンド情報抽出フレームワークである。
• 参考スコア（独自算出の注目度）: 20.83013266276224
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scope 3 greenhouse gas (GHG) emissions account for the majority of corporate carbon footprints, yet remain difficult to analyze at scale due to sparse disclosures, heterogeneous report document formats, and limited evidence traceability. Existing approaches typically rely on large language models to extract emissions information from ESG reports, but often lack explicit evidence grounding or depend on costly manual annotation and verification to ensure extraction reliability. To address these challenges, we propose Scope3Trace, an evidence-grounded information extraction framework designed to extract interpretable and traceable Scope 3 emissions information from real-world ESG and sustainability reports. The framework integrates a document information extraction pipeline that performs PDF collection and OCR parsing, LLM-assisted page localization and table reconstruction, and hybrid rule-LLM extraction of organization- and building-level emissions disclosures with evidence-grounded verification. Building upon this framework, we further contribute a dual-level, evidence-grounded, multimodal dataset comprising organization-level Scope 3 disclosures extracted from heterogeneous sustainability reports. Scope3Trace enables reliable extraction and transparent integration of heterogeneous sustainability disclosures, achieving high accuracy in extracting Scope 1-3 totals and category-level disclosures from sustainability reports.
• Abstract（参考訳）: 温室効果ガス排出量(GHG)排出量は、コーポレートカーボンフットプリントの大部分が占めるが、希少な開示、異質な報告文書フォーマット、限られた証拠トレーサビリティにより、大規模に分析することは困難である。 既存のアプローチは、ESGレポートからエミッション情報を抽出するために大きな言語モデルに依存しているが、しばしば明確な証拠が欠如している。 これらの課題に対処するために,現実のESGとサステナビリティレポートから解釈可能かつトレース可能なScop3の排出情報を抽出するエビデンスグラウンド情報抽出フレームワークであるScop3Traceを提案する。 本フレームワークは,PDF収集とOCR解析を行う文書情報抽出パイプライン,LCM支援ページローカライゼーションとテーブル再構築,エビデンスによる検証による組織レベルおよびビルレベルのエミッションのハイブリットルールLLM抽出を統合した。 この枠組みに基づいて、異種サステナビリティレポートから抽出した組織レベルのスコープ3開示を含む、二重レベル、エビデンスベース、マルチモーダルデータセットを更に提供します。 Scope3Traceは、不均一なサステナビリティ開示の信頼性の高い抽出と透過的な統合を可能にし、サステナビリティレポートからScope 1-3トータルとカテゴリレベルの開示を抽出する高精度を実現する。

関連論文リスト

• HiEviDR-Bench: A Benchmark for Hierarchical Evidence Aggregation in Deep Research [52.87128503345243]
  我々は,Deep Researchにおける階層的エビデンス・アグリゲーションを評価するためのベンチマークであるHiEviDR-Benchを紹介する。 HiEviDR-Benchは、エビデンスの選択、クロスソースリンク、アグリゲーションをキャプチャする明示的なエビデンスグラフを持つ各インスタンスを表す。 報告品質,エビデンストレーサビリティ,引用精度,クレーム検証,回答正当性という5次元のトレーサビリティ指向評価フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-27T23:50:46Z)
• Beyond Triplet Plausibility: Relation Set Completion in Knowledge Graphs [48.16012222834734]
  関係集合完了タスク(RSC)と関係集合埋め込みモデル(RelSetE)を導入する。 RSCは、あるエンティティと意味的に互換性のある欠落した関係を推論することを目的としている。 RelSetEは、観測されたエンティティの関係の中で潜在パターンをモデル化し、失われたパターンを推測する。
  論文  参考訳（メタデータ） (2026-06-29T06:54:40Z)
• VG-CoT: Towards Trustworthy Visual Reasoning via Grounded Chain-of-Thought [16.361394107862502]
  画像内の実際の視覚的証拠に、各推論ステップを明示的にリンクするVisual Grounding Chain-of-Thoughtデータセットを提案する。 パイプラインは、GPT-4oでステップバイステップのグラウンドド推論を生成し、合理的に駆動されるオープンセット検出プロセスを通じてグラウンドディングを洗練する。 LLaVA-1.5やQwen2-VLを含む代表的なLVLMによる実験は、ほとんどの評価指標に対して一貫した改善を示した。
  論文  参考訳（メタデータ） (2026-04-23T08:04:07Z)
• CodaRAG: Connecting the Dots with Associativity Inspired by Complementary Learning [50.98972985136333]
  CodaRAGは、受動的検索からアクティブな連想発見へと進化するフレームワークである。 CodaRAGは、検索リコールで7-10%、生成精度で3-11%という絶対的なゲインを達成する。
  論文  参考訳（メタデータ） (2026-04-12T02:50:40Z)
• ESGLens: An LLM-Based RAG Framework for Interactive ESG Report Analysis and Score Prediction [0.42970700836450487]
  ESGLensは、異種PDFコンテンツをタイプされたチャンクにセグメントするレポート処理モジュールである。 GRI誘導抽出モジュールは、特定の標準に沿った情報を検索して合成する。 スコアリングモジュールは抽出したサマリーを埋め込んで、ロンドン証券取引所グループ(LSEG)の基準スコアに対してトレーニングされた回帰モデルに供給する。
  論文  参考訳（メタデータ） (2026-03-29T00:46:03Z)
• OntoMetric: An Ontology-Guided Framework for Automated ESG Knowledge Graph Construction [4.736397889087109]
  OntoMetricは、ESG規制文書を検証済みのAIおよびWeb対応の知識グラフに変換するオントロジーガイダンスフレームワークである。 OntoMetricは65-90%のセマンティック精度と80-90%のスキーマ準拠を実現している。
  論文  参考訳（メタデータ） (2025-12-01T05:21:22Z)
• Structured Extraction of Vulnerabilities in OpenVAS and Tenable WAS Reports Using LLMs [0.0]
  本稿では,OpenVASおよびTenable WASスキャナーレポートから脆弱性を抽出・構造化する自動手法を提案する。 34の脆弱性を持つレポートを用いた評価では、GPT-4.1とDeepSeekはベースライン(ROUGE-Lが0.7以上)と最も類似している。 この手法は、複雑なレポートを有用なデータセットに変換することの実現可能性を示し、効果的な優先順位付けと、センシティブなデータの今後の匿名化を可能にする。
  論文  参考訳（メタデータ） (2025-11-18T20:42:19Z)
• SustainableQA: A Comprehensive Question Answering Dataset for Corporate Sustainability and EU Taxonomy Reporting [22.82938587928396]
  企業サステナビリティと年次レポートから包括的なQAペアを生成する新しいデータセットとスケーラブルなパイプラインであるSustainableQAを紹介する。 その結果、195,000以上の多様なファクトイドと非ファクトイドのQAペアの頑健なデータセットが得られる。 SustainableQAは、複雑な持続可能性コンプライアンスデータをナビゲートできるベンチマークと高度な知識アシスタントを開発するための、非常に効果的なリソースであることが証明されている。
  論文  参考訳（メタデータ） (2025-08-05T02:03:59Z)
• Divide-Then-Align: Honest Alignment based on the Knowledge Boundary of RAG [51.120170062795566]
  本稿では,問合せが知識境界外にある場合の"I don't know"で応答する機能を備えたRAGシステムを実現するためのDTAを提案する。 DTAは適切な棄権と精度のバランスをとり、検索強化システムの信頼性と信頼性を高める。
  論文  参考訳（メタデータ） (2025-05-27T08:21:21Z)
• Unstructured Evidence Attribution for Long Context Query Focused Summarization [53.08341620504465]
  固定粒度の場合よりも、より関連性が高く一貫した証拠を得るために、非構造的(すなわち任意の長さのスパン)な証拠を抽出することを提案する。 既存のシステムが、非構造的証拠をコピーし、適切に引用するのにどのように苦労しているかを示す。
  論文  参考訳（メタデータ） (2025-02-20T09:57:42Z)
• Climate AI for Corporate Decarbonization Metrics Extraction [7.522638089716454]
  コーポレートデカーボライズメトリックス抽出(CAI)モデルとパイプラインについて紹介する。 本研究では, 企業公開情報からのデータキュレーション, 検証, 評価を自動化することにより, データの収集効率と精度を向上させることを実証する。
  論文  参考訳（メタデータ） (2024-11-05T18:37:51Z)
• SAIS: Supervising and Augmenting Intermediate Steps for Document-Level Relation Extraction [51.27558374091491]
  本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。 そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
  論文  参考訳（メタデータ） (2021-09-24T17:37:35Z)
• WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
  弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。 エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。 提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
  論文  参考訳（メタデータ） (2021-05-21T11:58:50Z)

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。