ESG 情感分析：比较人类与包括 GPT 在内的语言模型性能
计算与语言
2024-02-27 v1 计算工程、金融与科学
计算机与社会
摘要
本文探讨了衡量与环境、社会和治理 (ESG) 相关的社交媒体情感所面临的挑战。近年来，随着金融界兴趣的激增，ESG 的重要性日益增长，许多企业的表现已部分基于其 ESG 相关声誉。用于衡量 ESG 相关声誉的情感分析技术随之发展，人们对利用机器进行此类分析的兴趣也随之增加。数字媒体时代催生了新媒体源的爆发式增长，这由社交媒体平台的扩张所驱动。这种不断增长的数据环境已成为包括政治、医疗保健和市场研究在内的许多学科进行行为洞察研究的绝佳来源。我们的研究旨在比较人类表现与机器性能前沿在衡量 ESG 相关情感方面的差异。为此，研究人员对 150 条推文的情感进行了分类并进行了可靠性测量。随后基于 3 名研究人员的共识建立了黄金标准数据集，并利用该数据集衡量了不同机器方法的性能：一种是基于 VADER 词典的情感分类方法，另一种是多种语言模型方法，包括 Llama2、T5、Mistral、Mixtral、FINBERT、GPT3.5 和 GPT4。
引用
@article{arxiv.2402.16650,
title = {ESG Sentiment Analysis: comparing human and language model performance including GPT},
author = {Karim Derrick},
journal= {arXiv preprint arXiv:2402.16650},
year = {2024}
}