Explainable Natural Language Processing for Corporate Sustainability Analysis

要約

持続可能性とは一般に、環境、社会、経済に悪影響を及ぼさない（またはプラスの）影響を与える、個人、企業、団体などのエンティティを指します。
持続可能性が許容される正当な行動の同義語となり、その要求と規制がますます高まっています。
国連の持続可能な開発目標や最近導入された世界的な持続可能性報告枠組みなど、企業の持続可能性への影響を測定するためのいくつかの枠組みや基準が提案されています。
しかし、企業の持続可能性の概念は、企業運営の多様かつ複雑な性質（地理、規模、事業活動、他の利害関係者との相互関係など）により複雑です。
その結果、企業のサステナビリティ評価は、企業のサステナビリティへの取り組みを反映するデータ（つまり、企業のサステナビリティ開示）とそれを評価するアナリストの両方の主観に悩まされています。
この主観性は、データの側面における不完全性、あいまいさ、信頼性の低さ、洗練さだけでなく、アナリストの側面における限られたリソースや潜在的な偏見など、個別の課題に分解することができます。
まとめると、主観性は、一般的な持続可能性への期待に準拠していない事業​​体への効果的なコスト帰属を妨げ、持続可能性への取り組みとそれに関連する規制を無駄にしてしまう可能性があります。
この目的を達成するために、Explainable Natural Language Processing (XNLP) は企業の持続可能性分析を大幅に強化できると主張します。
具体的には、言語理解アルゴリズム (語彙、意味、構文) を XAI 機能 (解釈可能性、説明可能性、忠実性) と統合することで、アナリストのリソースのギャップを埋め、データ内の主観性の問題を軽減できます。

要約(オリジナル)

Sustainability commonly refers to entities, such as individuals, companies, and institutions, having a non-detrimental (or even positive) impact on the environment, society, and the economy. With sustainability becoming a synonym of acceptable and legitimate behaviour, it is being increasingly demanded and regulated. Several frameworks and standards have been proposed to measure the sustainability impact of corporations, including United Nations’ sustainable development goals and the recently introduced global sustainability reporting framework, amongst others. However, the concept of corporate sustainability is complex due to the diverse and intricate nature of firm operations (i.e. geography, size, business activities, interlinks with other stakeholders). As a result, corporate sustainability assessments are plagued by subjectivity both within data that reflect corporate sustainability efforts (i.e. corporate sustainability disclosures) and the analysts evaluating them. This subjectivity can be distilled into distinct challenges, such as incompleteness, ambiguity, unreliability and sophistication on the data dimension, as well as limited resources and potential bias on the analyst dimension. Put together, subjectivity hinders effective cost attribution to entities non-compliant with prevailing sustainability expectations, potentially rendering sustainability efforts and its associated regulations futile. To this end, we argue that Explainable Natural Language Processing (XNLP) can significantly enhance corporate sustainability analysis. Specifically, linguistic understanding algorithms (lexical, semantic, syntactic), integrated with XAI capabilities (interpretability, explainability, faithfulness), can bridge gaps in analyst resources and mitigate subjectivity problems within data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google