Cracking the Code: Enhancing Development finance understanding with artificial intelligence

要約

開発プロジェクトの分析は、寄付者の支援戦略、受信者の優先順位を理解し、地上の行動によって開発の問題を高めるための開発金融能力を評価するために重要です。
この分野では、経済協力開発機関（OECD）債権報告システム（CRS）データセットは参照データソースです。
このデータセットは、さまざまなセクターからのプロジェクトの物語の膨大なコレクション（約500万プロジェクト）を提供します。
OECD CRSは開発戦略に関する豊富な情報源を提供しますが、ドナーが自己宣言された主要な目的と事前定義された産業部門に基づいた報告プロセスのために、プロジェクトの目的を通知することは不足しています。
この研究では、機械学習（ML）技術、特に自然言語処理（NLP）、Bertopicと呼ばれる革新的なPythonトピックモデリング手法を組み合わせて、物語の説明に基づいて分類（クラスター）、ラベル開発プロジェクトを組み合わせた新しいアプローチを採用しています。
開発金融の既存の隠れたトピックを明らかにすることにより、この人工知能の適用により、ドナーの優先順位と全体的な開発資金をよりよく理解し、公共および民間のプロジェクトの物語を分析する方法を提供します。

要約(オリジナル)

Analyzing development projects is crucial for understanding donors aid strategies, recipients priorities, and to assess development finance capacity to adress development issues by on-the-ground actions. In this area, the Organisation for Economic Co-operation and Developments (OECD) Creditor Reporting System (CRS) dataset is a reference data source. This dataset provides a vast collection of project narratives from various sectors (approximately 5 million projects). While the OECD CRS provides a rich source of information on development strategies, it falls short in informing project purposes due to its reporting process based on donors self-declared main objectives and pre-defined industrial sectors. This research employs a novel approach that combines Machine Learning (ML) techniques, specifically Natural Language Processing (NLP), an innovative Python topic modeling technique called BERTopic, to categorise (cluster) and label development projects based on their narrative descriptions. By revealing existing yet hidden topics of development finance, this application of artificial intelligence enables a better understanding of donor priorities and overall development funding and provides methods to analyse public and private projects narratives.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google