ESGReveal：基于大语言模型的ESG报告结构化数据提取方法
计算与语言
2024-01-01 v1 信息检索
摘要
ESGReveal是一种创新方法，旨在从企业报告中高效提取和分析环境、社会和治理（ESG）数据，满足对可靠ESG信息检索的关键需求。该方法利用了大语言模型（LLM）并结合检索增强生成（RAG）技术。ESGReveal系统包括一个用于定向查询的ESG元数据模块、一个用于构建数据库的预处理模块以及一个用于数据提取的LLM代理。使用2022年在香港交易所上市的166家不同行业公司的ESG报告对其有效性进行了评估，确保了行业和市值的全面代表性。利用ESGReveal结合GPT-4，在数据提取方面达到了76.9%的准确率，在披露分析方面达到了83.7%的准确率，优于基线模型。这凸显了该框架提高ESG数据分析精度的能力。此外，它还揭示了对加强ESG披露的需求，其中环境和社会数据披露率分别为69.5%和57.2%，表明企业追求更高的透明度。虽然当前版本的ESGReveal不处理图像信息（该功能计划在未来增强），但本研究呼吁继续研究以进一步开发并比较不同LLM的分析能力。总之，ESGReveal是ESG数据处理领域的一次进步，为利益相关者提供了一个评估和推进企业可持续发展努力的先进工具。其发展有望促进企业报告透明度，并与更广泛的可持续发展目标保持一致。
引用
@article{arxiv.2312.17264,
title = {ESGReveal: An LLM-based approach for extracting structured data from ESG reports},
author = {Yi Zou and Mengying Shi and Zhongjie Chen and Zhu Deng and ZongXiong Lei and Zihan Zeng and Shiming Yang and HongXiang Tong and Lei Xiao and Wenwen Zhou},
journal= {arXiv preprint arXiv:2312.17264},
year = {2024}
}