HiCon-ESG：信頼度を考慮した階層正則化学習による細粒度ESG開示分類の改善

日本語

本論文は、ESG開示文書を細かいカテゴリへ自動分類するための機械学習手法「HiCon-ESG」を提案する。信頼度を考慮しつつESG項目の階層構造を正則化に組み込むことで、分類精度の向上を狙う。開示テキスト分析の自動化を通じ、TCFD・ISSB・CSRD対応の実務効率化に寄与しうる。

English

This paper proposes HiCon-ESG, a confidence-aware, hierarchy-regularized learning method for fine-grained classification of ESG disclosure text. By incorporating the hierarchical structure of ESG topics into regularization while accounting for prediction confidence, it aims to improve classification accuracy. It supports automated analysis of disclosure documents relevant to TCFD, ISSB, and CSRD reporting.

日本のGX文脈において

SSBJ基準や有報・統合報告書でのESG開示が拡大する中、開示文書を自動分類する手法は日本企業の開示作成・投資家の分析負荷軽減に直結する。日本語開示文書への適用可能性が今後の焦点となる。

In the global GX context

As ISSB/CSRD and SEC climate disclosure expand, automated fine-grained classification of ESG disclosures helps regulators, investors, and firms process growing report volumes. This NLP approach sits at the AI×ESG intersection central to disclosure-infrastructure research.