Supply chain emission estimation using large language models

要約

大企業は、持続可能な開発目標（SDGs）、特に気候変動とその影響との闘いに焦点を当てた目標13を達成するための重要な要請に直面している。気候変動の影響を緩和するためには、企業のスコープ3（サプライチェーン排出量）の削減が不可欠である。しかし、Scope 3排出量を追跡することは、何千もの上流および下流のサプライヤーからデータを収集しなければならないため、困難である。上記の課題に対処するために、我々は、購入した財やサービスの代理として金融取引を利用することにより、Scope 3排出量を推定するために、ドメインに適応したNLP基礎モデルを使用する、世界で初めてのフレームワークを提案する。提案するフレームワークの性能を、TF-IDF、word2Vec、Zero shot learningといった最新のテキスト分類モデルと比較した。その結果、ドメインに適応した基礎モデルは、最先端のテキストマイニング技術を凌駕し、専門家（SME）と同等の性能を発揮することが示された。提案されたフレームワークは、企業規模でのスコープ3の推定を加速し、SDG13を達成するための適切な気候変動対策を取るのに役立つだろう。

要約(オリジナル)

Large enterprises face a crucial imperative to achieve the Sustainable Development Goals (SDGs), especially goal 13, which focuses on combating climate change and its impacts. To mitigate the effects of climate change, reducing enterprise Scope 3 (supply chain emissions) is vital, as it accounts for more than 90\% of total emission inventories. However, tracking Scope 3 emissions proves challenging, as data must be collected from thousands of upstream and downstream suppliers.To address the above mentioned challenges, we propose a first-of-a-kind framework that uses domain-adapted NLP foundation models to estimate Scope 3 emissions, by utilizing financial transactions as a proxy for purchased goods and services. We compared the performance of the proposed framework with the state-of-art text classification models such as TF-IDF, word2Vec, and Zero shot learning. Our results show that the domain-adapted foundation model outperforms state-of-the-art text mining techniques and performs as well as a subject matter expert (SME). The proposed framework could accelerate the Scope 3 estimation at Enterprise scale and will help to take appropriate climate actions to achieve SDG 13.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL