奇瑞汽金荣获世界ESG问题识别比赛冠军

近日，在IJCAI-2023联合举办的FinNLP workshop上，会议主持方在会议上分享了在金融领域多语言ESG（Environmental, Social, and Governance）问题识别任务中各个参赛队伍使用的关键技术，并现场公布各个参赛队伍的比赛成绩。奇瑞汽金的AI团队（CheryFS Team）在中文ESG问题识别任务中三个指标中均获得世界第一的成绩。

中文赛道详细榜单

在本次研讨会上，奇瑞汽金的王伟玮在现场对参赛的技术方案以及奇瑞汽金技术论文《Leveraging Contrastive Learning with BERT for ESG Issue Identification》做了详细的介绍，并现场解答了观众关心的具体技术细节以及相关问题。

FinNLP Workshop介绍

FinNLP workshop作为AI领域顶级会议IJCAI-2023的金融领域的研讨会，旨在创造一个全球性的讨论平台，专注于探索自然语言处理（NLP）在金融科技领域的应用前景。近期，财经文献的分析已经引发了人工智能领域的广泛关注。在金融界，金融科技已经崭露头角，专注于运用尖端科技改变金融活动的面貌。因此，为了桥接NLP研究与金融应用之间的鸿沟，我们倾力打造了FinNLP系列研讨会。期待通过FinNLP的努力，能把金融领域的深刻见解引领至NLP社区，同时通过FinNLP的研究人员的分享，揭示金融科技和NLP结合所面临的挑战，并设定未来的研究方向，从而拓宽跨学科研究的领域边界。值得一提的是，FinNLP已经成功地举办了四届研讨会。

参与本次大赛的主要是各大金融企业、高校及政府机构，包括富达投资、中北密歇根学院、国立卫生研究院、香港ESG、杜塞尔多夫大学、NCSOFT、金融投资公司等。其中有些机构已参与了多次比赛，而奇瑞汽金作为首次参赛的团队能在众多队伍中取得世界冠军，其背后的努力可见一斑。

多语言ESG识别任务

根据MSCI ESG评级指引，ESG相关新闻可归类为35个ESG关键问题。本次任务的挑战在于ESG问题的识别：系统需要精准理解每篇文章所涉及的ESG问题。团队选取了多语言新闻文章作为分析样本，对其进行标注。目标语言包括英语、中文和法语。在中文数据集中，团队将SASB标准中的问题并入MSCI指南。中文赛道数据集采用的是https://esg.businesstoday.com.tw 网站上抓取的新闻文章，主要涉及经济、能源、环境和公司治理等话题。该数据集是一个分类数据集，包含10个大类别，如“气候变化”、“自然资源”、“污染与浪费”、“环境机会”、“公司治理”、“公司行为”、“人力资源”、“产品责任”、“股东否决权”和“社会机会”，每个大类别下设有多个小类别，总计45个类别。其中训练集包含900条数据，验证集100条数据，测试集238条数据。

比赛难点

由于中文数据集主要是新闻文章，篇幅相对较长，平均长度约1400字，这超出了预训练模型通常的512字长度限制，给分类带来了额外的挑战。另一方面，由于训练集数据量仅为900条，且类别达45类，每类数据量偏少且存在类别不均衡的情况，这无疑增大了模型学习每个类别有效特征的难度。然而，奇瑞汽金成功地利用了MacBert1预训练模型、小样本学习和数据增强等策略，精确地训练并优化了模型，在众多参赛队伍中独占鳌头，取得了世界第一的佳绩！

未来，奇瑞汽金将始终坚持数字力量赋能，不断深化业务与科技融合，创新金融科技产品，提升运营能力，实现数字化转型升级，为万千车主带来更专注、更务实、更创新的金融服务，向“成为用户首选的汽车金融公司”的发展愿景不断迈进！

供稿：奇瑞汽金