Written by JamCourage
主題類別
Text Mining, Data Preprocess, Large Language Model, FinBERT, ESG reports, Sentiment Classification, Topic Classification
分析工具
Python(selenium, pandas, pdfplumber, regex, FinBERT, nltk)
主要目標
計算台灣上市櫃公司英文永續報告書的揭露語調分數(Tone)，並搭配ESG主題分類
其中，語調分數(Tone) 介於-1~1，有三種情緒，分別為中立 、正向 、負向 。
愈接近0為愈中立，愈接近1為愈正向，愈接近-1則為愈負向。
檔案說明
分別計算各永續報告書的語調分數(Tone)--使用FinBERT情緒分類模型 & FinBERT主題分類模型
(1)整理公司股票代碼：將代碼都存在list中
(2) 安裝FinBERT兩大模型、nltk tokenizer
(3) 逐一擷取PDF文字(使用pdfplumber)
(4) 文字前處理：使用regex套件，保留英文字母大小寫、正常標點符號，其他以空白取代
(5) nltk斷句
(6) FinBERT：同時檢查不得超過512張量，超過者斷成兩句
-(6-1) FinBERT情緒分類模型：將文本分類為中立 、正向 、負向
-(6-2) FinBERT主題分類模型：將文本分類為環境(E) 、社會(S) 、治理(G) 、 非ESG
(7) 紀錄結果：使用pandas套件，將結果存成dataframe格式。
【程式碼】
程式碼可參考：
(a) 迭代各公司，計算各公司永續報告書語調分數
(b) 記錄一家公司每一句的語調與分類
【輸出結果】
107年至110年之各公司永續報告書語調分數(Tone)結果，可參考Tone_breakdown.xlsx
共有12種分類結果(情緒分類3種 x 主題分類4種)，欄位說明如下：
company_id：公司股票代碼
E_neutral：環境面中立情緒(句數)
E_positive：環境面正向情緒(句數)
E_negative：環境面負向情緒(句數)
S_neutral：社會面中立情緒(句數)
S_positive：社會面正向情緒(句數)
S_negative：社會面負向情緒(句數)
G_neutral：治理面中立情緒(句數)
G_positive：治理面正向情緒(句數)
G_negative：治理面負向情緒(句數)
non_neutral：非ESG中立情緒(句數)
non_positive：非ESG正向情緒(句數)
non_negative：非ESG負向情緒(句數)