معالجة اللغة الطبيعية (NLP) لتحسين SFDR تقريري
SFDR حل إعداد التقارير: Clarity AIيوفر نظام تسجيل نقاط الجدل تقييما متسقا للحوادث
تعتمد معظم الحلول المتاحة في السوق لتحليل سلوك الشركات بشكل كبير على التقييم اليدوي للأخبار أو على تحليل المعنويات ، مما يؤدي إلى نقاط ضعف مثل التقييم الذاتي ، والحد من الحجم ، والقدرة المحدودة على تفسير المقاييس. وتقلل هذه القيود من القدرة على توفير معلومات ذات مغزى وفي الوقت المناسب بطريقة متسقة وشفافة.
نظام تسجيل نقاط الجدل
Clarity AI يعالج نقاط الضعف والقيود هذه من خلال نظام تسجيل مثير للجدل. وقد بنت عشرات باستخدام خدمة مراقبة الأخبار العالمية كمصدر رئيسي للبيانات ، والتي توفر الوصول إلى عالم يضم أكثر من 8,500 ناشر إعلامي يغطي 200 دولة ، مع إضافة 100,000 مقالة جديدة يوميا من أكثر من 33,000 مصدر. هذا يضيف ما يقرب من 70 مليون مقالة تتعلق ب Clarity AI شركة الكون على مدى السنوات الثلاث الماضية.
Clarity AIينقسم نظام تسجيل النقاط المثير للجدل إلى 4 خطوات رئيسية:
1- الكشف عن الحوادث
2- تصنيف الحوادث
3- تسجيل خطورة الحادث
4- تسجيل شدة الحدث
يحدد هذا النظام تطور الحوادث المثيرة للجدل على مدى جدول زمني - بالإضافة إلى شدتها - لشركة معينة في فئة محددة من بين الفئات ال 39 التي تقيمها. على سبيل المثال ، لدى شركة مثل Tesla آلاف المقالات المكتوبة عليها (23,189 من صيف 2017 إلى شتاء 2020). من بين هؤلاء ، هناك 3,767 مقالة ذات صلة بفئة أخلاقيات العمل ، لكنها تختلف اختلافا كبيرا في مدى شدتها. يأخذ نموذج الذكاء الاصطناعي في الاعتبار جميع المقالات ذات الصلة لكل فئة، ثم يستخدم الخطورة كوكيل رئيسي واحد لخرق PAI.
يعتبر "الحدث" سلسلة كاملة من الحوادث لمدة ثلاث سنوات تشير إلى شركة معينة في فئة واحدة من الجدل حول ESG. ثم يتم حساب درجة الحدث من خلال الجمع بين الحد الأقصى للشدة الناتجة للحوادث الأكثر صلة داخل الحدث. كناتج ، نحصل على درجة إجمالية على مستوى فئة الشركة.
تعتمد كل خطوة على Clarity AIنماذج الذكاء الاصطناعي الخاصة ، والتي تم تصميمها بشكل هادف للكشف عن الشدة المقابلة وتصنيفها وتعيينها. هذه الخوارزميات هي العامل الرئيسي لتحليلنا الموضوعي ، بعد أن تم تدريبنا على ذكاء خبير الموضوع من خلال عملية الإنسان في الحلقة ، مع مجموعة مختارة من أكثر من 30000 مقالة تغطي جميع فئات الجدل ومستويات الجدل ، مما يسمح للنموذج بتعلم المعايير ذات الصلة التي يجب مراعاتها في كل خطوة.
مزيج من هذه المنهجية المثيرة للجدل و SFDR القواعد موضحة في الشكل التالي:
