面向企业可持续性分析的神经符号知识库：ESGSenticNet
计算与语言
2025-09-30 v2
摘要
评估企业可持续性绩效是推动可持续商业实践的关键，尤其是在经济更可持续化的背景下。然而，这受制于企业可持续性数据的复杂性和庞大规模（即可持续性披露内容），尤其是所使用的NLP工具效果不佳。为此，我们识别出三大主要挑战——不完整性、复杂性和主观性——这些挑战加剧了从可持续性披露中提取洞察的困难。为此，我们引入ESGSenticNet，一个用于可持续性分析的公开可获取的知识库。ESGSenticNet由神经符号框架构建，集成了专门的概念解析、GPT-4o 推理和半监督标签传播，并配合层次化分类学。这一方法最终形成了包含 44k 条知识三元组的结构化知识库（如“减半碳排放”支持“排放控制”），以高效进行可持续性分析。实验表明，ESGSenticNet作为词汇方法时，能够更有效地捕获可持续性披露中与众所周知且可操作的可持续性信息，优于最先进的基准方法。除了捕获大量独特的ESG主题术语，ESGSenticNet在ESG相关性和ESG行动导向方面分别优于基准方法 26% 和 31%。这些指标描述了主题术语与ESG的关联程度，以及其向ESG倾斜的程度。此外，作为词汇方法时，ESGSenticNet无需任何训练，具有在非技术利益相关者中使用的显著优势。
引用
@article{arxiv.2501.15720,
title = {ESGSenticNet: A Neurosymbolic Knowledge Base for Corporate Sustainability Analysis},
author = {Keane Ong and Rui Mao and Deeksha Varshney and Frank Xing and Ranjan Satapathy and Johan Sulaeman and Erik Cambria and Gianmarco Mengaldo},
journal= {arXiv preprint arXiv:2501.15720},
year = {2025}
}