Enhancing ESG Impact Type Identification through Early Fusion and Multilingual Models

要約

環境、社会、企業ガバナンス (ESG) の影響評価の進化する状況において、ML-ESG-2 の共有タスクは、ESG の影響の種類を特定することを提案しています。
この課題に対処するために、初期および後期融合アプローチを活用したアンサンブル学習手法を活用した包括的なシステムを紹介します。
私たちのアプローチでは、mBERT、FlauBERT ベース、ALBERT ベース v2、および潜在意味分析 (LSA) と用語頻度逆文書頻度 (TF-IDF) 機能を組み込んだ多層パーセプトロン (MLP) という 4 つの異なるモデルを採用しています。
広範な実験を通じて、LSA、TF-IDF、mBERT、FlauBERT ベース、および ALBERT ベース v2 の統合を特徴とする初期の融合アンサンブル アプローチが最高のパフォーマンスを提供することがわかりました。
当社のシステムは、包括的な ESG 影響タイプ識別ソリューションを提供し、今日の財務およびコーポレート ガバナンスの状況に不可欠な責任ある持続可能な意思決定プロセスに貢献します。

要約(オリジナル)

In the evolving landscape of Environmental, Social, and Corporate Governance (ESG) impact assessment, the ML-ESG-2 shared task proposes identifying ESG impact types. To address this challenge, we present a comprehensive system leveraging ensemble learning techniques, capitalizing on early and late fusion approaches. Our approach employs four distinct models: mBERT, FlauBERT-base, ALBERT-base-v2, and a Multi-Layer Perceptron (MLP) incorporating Latent Semantic Analysis (LSA) and Term Frequency-Inverse Document Frequency (TF-IDF) features. Through extensive experimentation, we find that our early fusion ensemble approach, featuring the integration of LSA, TF-IDF, mBERT, FlauBERT-base, and ALBERT-base-v2, delivers the best performance. Our system offers a comprehensive ESG impact type identification solution, contributing to the responsible and sustainable decision-making processes vital in today’s financial and corporate governance landscape.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google