論文の概要: A Modular Framework for ESG Prediction through Domain-Specific Language Modeling and Graph Learning
- arxiv url: http://arxiv.org/abs/2611.16831v1
- Date: Thu, 12 Nov 2026 14:02:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.484016
- Title: A Modular Framework for ESG Prediction through Domain-Specific Language Modeling and Graph Learning
- Title(参考訳): ドメイン特化言語モデリングとグラフ学習によるESG予測のためのモジュールフレームワーク
- Abstract要約: ESGPredは、ドメイン固有の言語モデリングとグラフベースの学習を使用してESGスコアを予測するモジュラーフレームワークである。
ESGPred は,ESG の総合評価と環境,社会,ガバナンスの各要素を効果的に予測できることを示す。
- 参考スコア(独自算出の注目度): 5.651277959336901
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Environmental, Social and Governance (ESG) scores are increasingly used to evaluate corporate sustainability, supporting investment decisions, ensuring regulatory compliance and assessing risk. However, current ESG evaluations largely rely on proprietary methodologies that often produce inconsistent ratings. This motivates the development of data-driven prediction frameworks. In this paper, we present ESGPred, a modular framework for predicting ESG scores by combining domain-specific language modeling with graph-based learning over a network that models the relationships among the companies being evaluated. In addition to presenting the rationale behind ESGPred and detailing its ESG score prediction process, we show that ESGPred can effectively predict both overall ESG ratings and their individual Environmental, Social, and Governance components. We evaluated ESGPred using a dataset of 5,266 sustainability reports published by 2,134 publicly listed companies between 2020 and 2023. In this evaluation, we used ESG ratings provided by LSEG Data & Analytics as ground truth. Our experimental results demonstrated that integrating graph-based relational learning improves prediction performance over purely text-based baselines.
- Abstract(参考訳): 環境・社会・ガバナンス(ESG)スコアは、企業の持続可能性の評価、投資決定の支持、規制の遵守の確保、リスクの評価にますます利用されている。
しかし、現在のESG評価は、しばしば一貫性のない評価を生み出すプロプライエタリな方法論に大きく依存している。
これはデータ駆動予測フレームワークの開発を動機付けます。
本稿では,評価対象企業間の関係をモデル化するネットワーク上で,ドメイン固有言語モデリングとグラフベース学習を組み合わせたESGPredを提案する。
ESGPredの根拠とESGスコア予測プロセスの詳述に加えて,ESGPredはESGの総合評価と環境,社会,ガバナンスの各要素を効果的に予測できることを示す。
我々は2020年から2023年の間に2,134社が公表した5,266件の持続可能性レポートを用いてESGPredを評価した。
本評価では,LSEGデータ・アナリティクスによるESG評価を根拠として用いた。
実験により,グラフベースの関係学習を統合することで,テキストベースラインの予測性能が向上することを示した。
関連論文リスト
- NAIPv2: Debiased Pairwise Learning for Efficient Paper Quality Estimation [58.30936615525824]
本稿では,紙の品質評価のための非バイアスで効率的なフレームワークであるNAIPv2を提案する。
NAIPv2は、レビューアレーティングの不整合を低減するために、ドメイン年グループ内でペアワイズ学習を採用している。
これはペアワイズ比較に基づいてトレーニングされるが、デプロイ時に効率的なポイントワイズ予測を可能にする。
論文 参考訳(メタデータ) (2025-09-29T17:59:23Z) - ESGenius: Benchmarking LLMs on Environmental, Social, and Governance (ESG) and Sustainability Knowledge [40.49917730563565]
ESGeniusは、環境、社会、ガバナンス(ESG)における大規模言語モデル(LLM)の熟練度の評価と向上のための総合的なベンチマークである。
ESGenius-QA (i) ESGenius-QA (i) ESGenius-QA (i) esGenius-QA (i) esGenius-QA (i) esGenius-QA (i) esGenius-QA (i) esGenius-QA (i) esGenius-QA (i) esGenius-Corpus (i) ESGenius-Corpus (i) ESGenius-Corpusは231の基本的なフレームワーク、標準、レポート、レコメンデーションドキュメントを、7つの権威あるソースから収集した。
論文 参考訳(メタデータ) (2025-06-02T13:19:09Z) - SEOE: A Scalable and Reliable Semantic Evaluation Framework for Open Domain Event Detection [70.23196257213829]
オープンドメインイベント検出のためのスケーラブルで信頼性の高いセマンティックレベルの評価フレームワークを提案する。
提案フレームワークはまず,現在7つの主要ドメインをカバーする564のイベントタイプを含む,スケーラブルな評価ベンチマークを構築した。
次に,大言語モデル(LLM)を自動評価エージェントとして活用し,意味的類似ラベルのきめ細かい定義を取り入れた意味的F1スコアを計算する。
論文 参考訳(メタデータ) (2025-03-05T09:37:05Z) - Rethinking Link Prediction for Directed Graphs [73.36395969796804]
有向グラフのリンク予測は、様々な現実世界のアプリケーションにとって重要な課題である。
埋め込み手法とグラフニューラルネットワーク(GNN)の最近の進歩は、有望な改善を示している。
本稿では,既存手法の表現性を評価する統一的なフレームワークを提案し,二重埋め込みとデコーダ設計がリンクの有向予測性能に与える影響を強調した。
論文 参考訳(メタデータ) (2025-02-08T23:51:05Z) - 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) - Leveraging Natural Language and Item Response Theory Models for ESG Scoring [0.0]
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。
論文 参考訳(メタデータ) (2024-07-29T19:02:51Z) - Creating a Systematic ESG (Environmental Social Governance) Scoring
System Using Social Network Analysis and Machine Learning for More
Sustainable Company Practices [0.0]
本研究の目的は,社会的な感情を取り入れることで,より優れたガイダンスとより体系化されたスコアを提供するデータ駆動型ESG評価システムの構築である。
PythonのWebスクレイパーは、Wikipedia、Twitter、LinkedIn、Google NewsからS&P 500企業のデータを収集するために開発された。
機械学習アルゴリズムは、予測能力をテストするために、S&P Global ESG Ratingsにトレーニングされ、校正された。
論文 参考訳(メタデータ) (2023-09-07T20:03:45Z) - Harnessing the Web and Knowledge Graphs for Automated Impact Investing
Scoring [2.4107880640624706]
持続可能な開発目標のフレームワークを作成するプロセスを自動化するための,データ駆動システムについて説明する。
本稿では,異なるWebソースからテキストのデータセットを収集・フィルタリングする新しい手法と,企業の集合に関連する知識グラフを提案する。
以上の結果から,我々の最高性能モデルでは,マイクロ平均F1スコア0.89でSDGスコアを正確に予測できることがわかった。
論文 参考訳(メタデータ) (2023-08-04T15:14:16Z) - 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)
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。