中国ESG開示における気候リスク識別のための二段階ハイブリッドフレームワーク
A Two-Stage Hybrid Framework for Climate Risk Identification in Chinese ESG Disclosures (原題)
Jia-Ye Zhou, Jia-Xin Luo, Xin-Ying Shu
🤖 gxceed AI 要約
日本語
中国ESG開示に埋め込まれた気候関連情報を、ルールベースのフィルタリングと微調整済みRoBERTa分類器の二段階で抽出する枠組みを提案。ノイズの多い全文書でも推論コストを大幅に削減しつつ、物理的・移行リスクの識別精度を維持できることを示す。閉じた文単位分類から実運用志向のシステム設計へ転換すべきと論じる。
English
Proposes a two-stage hybrid framework combining rule-based filtering with a fine-tuned RoBERTa classifier to identify climate risks in noisy Chinese ESG disclosures. It classifies retained candidates into None, Physical, and Transition risks, achieving a better precision-cost trade-off than standalone neural models in full-report screening. Argues for shifting from closed-world sentence classification to deployment-oriented systems.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
SSBJ基準や有報での気候関連開示が拡大する日本でも、長大な報告書から気候リスクを低コストで抽出する実務手法として応用可能。AI活用による開示分析の自動化は日本企業の統合報告書作成・投資家対応の効率化に直結する。
In the global GX context
As ISSB/TCFD-aligned disclosure scales globally, automated extraction of climate risk from lengthy corporate reports becomes a practical bottleneck. This work offers a cost-aware, deployment-oriented approach relevant to CSRD and SEC climate disclosure screening pipelines.
👥 読者別の含意
🔬研究者:ノイズの多い実文書でのNLP展開における精度とコストのトレードオフ設計の実証例として有用。
🏢実務担当者:長大なESG報告書から気候リスク記述を低コストで自動抽出する実務パイプライン構築の参考になる。
🏛政策担当者:開示データの自動モニタリングや規制監督におけるAI活用の実現可能性を示唆する。
📄 Abstract（原文）
Climate-related information in Chinese ESG disclosures is often embedded in long and noisy text, making manual identification costly and difficult to scale. Although neural language models perform well on curated sentence-level benchmarks, their direct application to full corporate reports often incurs excessive inference cost and unstable predictions due to non-material climate narratives. To address this issue, this paper proposes a two-stage hybrid framework that combines a rule-based filtering module with a fine-tuned RoBERTa classifier. Heuristic stages filter irrelevant and non-material climate mentions, reserving the neural model to classify retained candidates into None, Physical, and Transition Risks. Sentence and document-level experiments show that while standalone RoBERTa excels on clean test sets, the hybrid framework achieves a superior precision-cost trade-off in deployment. By substantially reducing the inference cost, the framework maintains reliable precision in real-world full-report screening. This study highlights the necessity of shifting from closed-world sentence classification to building a deployment-oriented system for climate risk identification under noisy text conditions.
🔗 Provenance — このレコードを発見したソース
- semanticscholar https://doi.org/10.1145/3844275.3844314first seen 2026-10-25 05:37:06 · last seen 2026-11-06 05:43:18
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。