应用自然语言处理技术分析可持续性报告
利用自然语言处理技术 (NLP) 对大量的客观科研文章和研究进行分析是理解气候变化的多方面影响在各地的关键,使得我们能够从中提取和处理关于特定地区气候变化影响的关键信息。通过使用 BERT (Bidirectional Encoder Representations from Transformers) 进行命名实体识别 (NER),我们可以高效地识别气候文献中的具体地理位置,该方法能够为特定地区的气候趋势分析,确定与气候变化有关的主题或关注点,追踪这些问题在时间上的进展,评估其频率、严重程度和潜在发展趋势。利用这种深入分析特定地区气候数据的方法,可以制定更具定制性的决策、适应措施和减轻策略,解决每个地区所面临的独特挑战,并提供基于数据洞察的更有效解决方案。这种方法通过对科学文本的深入探索,为决策者、工程师和环保人士等多方面的利益相关者提供可行的见解。通过主动理解这些影响,社会能够更好地做好准备,明智地分配资源,并设计出针对未来气候条件的量身定制战略,确保更具弹性的未来。
Jan, 2024
气候变化对人类健康的影响带来了前所未有的多样化挑战,本研究运用社交媒体分析和自然语言处理技术,特别以气候变化领域为基础进行预训练模型建立和推特情感分析,以了解公众对气候变化的态度和关注点,以便决策者、研究人员和组织能够有效了解公众的认知并制定相应的气候变化对策。
Oct, 2023
本文介绍了一种新方法,通过利用领域专家的知识来增强 Large Language Models(LLMs)以自动化分析公司可持续性报告,并将其与《气候相关金融信息披露任务组》(TCFD)的建议进行基准比较。
Jun, 2023
该研究旨在通过提取变量关系,并利用网络综合它们的发现,同时与相关学科的主要概念相关联,以合理地利用自然语言处理来帮助学者跟踪快速发展的领域中的新发现,特别是对于类似气候变化这样需要跨学科解决方案的复杂主题。
Jun, 2023
该研究介绍了一种在绿色洗白风险方面使用生成标签来训练语言模型的新方法,并在可持续发展报告上进行了对比分析,最终的模型在准确率和 F1 得分上分别达到了 86.34% 和 0.67,展示了在这一任务中的有希望的研究方向。
Oct, 2023
在气候变化面前,公司是否真正采取了实质性的举措来实现更可持续的运营?综合的答案存在于信息密集的企业可持续发展报告中。然而,这些报告的数量和复杂性使得人工分析非常昂贵。因此,全球仅有少数机构具备资源以大规模分析这些报告,导致可持续发展报告缺乏透明度。通过利用基于 LLM 的自动化分析工具,赋予利益相关者权力,可以成为民主化可持续发展报告分析的一种有希望的方法。然而,由于 LLMs 的错觉和将领域专家引入 AI 开发循环的低效性,开发这样的工具具有挑战性。在本文中,我们提出了一种基于 LLM 的新型系统 ChatReport,用于自动化分析企业可持续发展报告,通过 (1) 使答案可追溯以减少错觉的危害,以及 (2) 积极将领域专家纳入开发循环来解决现有挑战。我们公开提供了我们的方法论、注释数据集和对 1015 份报告的生成分析。
Jul, 2023
近十年来,随着投资者对环境、社会和公司治理(ESG)问题日益关注,一些监管机构开始要求上市公司披露非财务信息。本文利用大型语言模型和信息提取技术,从非结构化的多模态文档中提取语义结构化信息,并采用基于图的表示方法进行相关分析,揭示不同行业间的突出可持续行动和公司、部门以及区域层面的相似性和披露模式,最终通过研究发现和其他公司信息,探讨影响公司 ESG 评分最显著的实际因素。
Oct, 2023
提出了一种利用适应领域的自然语言处理基础模型估计企业三阶段的排放量的框架,通过运用财务交易作为购买货物和服务的代理,结果显示该框架的性能超越了现有的文本分类模型,并可与专业人员相媲美。该框架能够加速企业规模的三阶段估计,并协助采取适当的气候行动以实现可持续发展目标 13。
Aug, 2023