中文

面向抵御绿色洗�风险的ESG分析:基于跨类别泛化的方面-动作分析

计算与语言 2025-06-06 v2 人工智能

摘要

可持续发展报告是评估公司环境、社会和治理(ESG)绩效的关键,但其内容正日益被绿色洗誉——误导性、夸大或捏造的可持续发展声明——所遮蔽。然而,现有的NLP方法在ESG分析中缺乏对抗绿色洗誉风险的鲁棒性,往往提炼出反映误导性或夸大可持续发展声明而非客观ESG绩效的洞察。为弥合这一差距,本文提出A3CG——方面-动作分析与跨类别泛化,作为一种新型数据集,以提高ESG分析在绿色洗誉盛行情况下的鲁棒性。通过明确将可持续发展方面与其相关动作关联,A3CG有助于对可持续发展声明进行更细致和透明的评估,确保所提炼的洞察基于可验证的动作,而非模糊或误导性的言辞。此外,A3CG强调跨类别泛化。这一设计确保了即使公司更改其报告以选择性地偏向某些可持续发展领域,A3CG模型在方面-动作分析中仍能保持鲁棒性能。在A3CG上的实验中,我们分析了当前监督模型和大语言模型,揭示了其局限性,并提出了未来研究的关键方向。

关键词

引用

@article{arxiv.2502.15821,
  title  = {Towards Robust ESG Analysis Against Greenwashing Risks: Aspect-Action Analysis with Cross-Category Generalization},
  author = {Keane Ong and Rui Mao and Deeksha Varshney and Erik Cambria and Gianmarco Mengaldo},
  journal= {arXiv preprint arXiv:2502.15821},
  year   = {2025}
}

备注

Proceedings of the Association for Computational Linguistics Main Conference (ACL 2025)