Glitter or Gold? Deriving Structured Insights from Sustainability Reports via Large Language Models

要約

過去10年にわたり、環境、社会、ガバナンス（ESG）問題に対する投資家の関心の高まりを踏まえ、いくつかの規制機関が上場企業に非財務情報の開示を義務付け始めた。
このような情報は、さまざまな非構造化およびマルチモーダルなドキュメントとして公開されます。
したがって、そのようなデータを一貫したフレームワークに集約して統合し、企業や市場全体での持続可能性の実践に関する洞察をさらに引き出すことは簡単ではありません。
したがって、簡潔で有益な実用的なデータを関係者に提供するために、情報抽出 (IE) 技術に頼るのは自然なことです。
従来のテキスト処理技術を超えて、この研究では、検索拡張生成やコンテキスト内学習などの優れたアプローチとともに大規模言語モデル (LLM) を活用して、持続可能性レポートから意味論的に構造化された情報を抽出します。
次に、グラフベースの表現を採用して、得られた結果に関する有意義な統計分析、類似性分析、および相関分析を生成し、業界全体で実施されている顕著な持続可能性への取り組みを強調し、企業、セクター、地域レベルでの新たな類似性と開示パターンについて議論します。
最後に、調査結果とその他の企業情報を使用して、どの事実の側面が企業の ESG スコアに最も影響を与えるかを調査します。

要約(オリジナル)

Over the last decade, several regulatory bodies have started requiring the disclosure of non-financial information from publicly listed companies, in light of the investors’ increasing attention to Environmental, Social, and Governance (ESG) issues. Such information is publicly released in a variety of non-structured and multi-modal documentation. Hence, it is not straightforward to aggregate and consolidate such data in a cohesive framework to further derive insights about sustainability practices across companies and markets. Thus, it is natural to resort to Information Extraction (IE) techniques to provide concise, informative and actionable data to the stakeholders. Moving beyond traditional text processing techniques, in this work we leverage Large Language Models (LLMs), along with prominent approaches such as Retrieved Augmented Generation and in-context learning, to extract semantically structured information from sustainability reports. We then adopt graph-based representations to generate meaningful statistical, similarity and correlation analyses concerning the obtained findings, highlighting the prominent sustainability actions undertaken across industries and discussing emerging similarity and disclosing patterns at company, sector and region levels. Lastly, we investigate which factual aspects impact the most on companies’ ESG scores using our findings and other company information.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google