HiCon-ESG: Confidence-aware hierarchy-regularized learning improves fine-grained ESG disclosure classification

日本語

本論文は、ESG開示文書の細粒度分類を改善するための新しい学習手法HiCon-ESGを提案する。信頼度を考慮した階層正則化により、分類精度と解釈可能性を向上させる。ESG報告書の自動分析に有用で、開示情報の標準化と比較可能性を高める。

English

This paper proposes HiCon-ESG, a novel learning method that improves fine-grained classification of ESG disclosure documents. By incorporating confidence-aware hierarchy regularization, it enhances classification accuracy and interpretability. It is useful for automated analysis of ESG reports, improving standardization and comparability of disclosed information.

日本のGX文脈において

日本ではSSBJ開示基準への対応が進む中、ESG開示の自動分類技術は有報や統合報告書の分析に応用でき、投資家対応や開示品質の向上に寄与する。

In the global GX context

Globally, with ISSB and CSRD frameworks, automated classification of ESG disclosures supports consistent and comparable reporting, aiding investors and regulators in assessing corporate sustainability performance.