本發明屬于自然語言處理，具體涉及基于機器學習的投資者對esg關注度的量化評估方法及系統。
背景技術：
1、隨著全球對環境保護和減污降碳意識的提升，機構投資者對公司的環境、社會和治理（esg）表現日益重視，特別是在重污染行業。為了衡量機構投資者對esg的關注程度，目前存在四種主要方法。第一種方法是通過問卷調查直接了解機構投資者的esg關注情況。第二種方法是利用機構投資者投資組合中公司的esg評級的加權平均數作為衡量指標。第三種方法通過分析股東提案來評估機構投資者的esg關注，這在國外較為常見。第四種方法則是通過分析機構投資者實地調研的內容來衡量其對esg的關注。
2、然而，這些現有的衡量方法都存在不同程度的局限性和不足。問卷調查方法雖然直接，但存在衡量不準確、成本高昂的問題，且覆蓋范圍有限，樣本代表性不足，回答質量也難以保證。運用esg評級加權平均數的方法則受到評級不統一的影響，不同評級機構的標準和結果差異較大，導致衡量結果的不一致性。股東提案分析方法在國外較為可行，但在國內由于數據難以獲取，因此實施難度較大。而通過分析機構投資者實地調研內容的方法，則存在esg相關詞確定主觀性強、效率低的問題，因為專家人為確定的esg相關詞可能無法全面、準確地反映調研內容中的esg信息。
技術實現思路
1、本發明的目的就在于提供基于機器學習的投資者對esg關注度的量化評估方法及系統，以解決傳統的衡量方法往往依賴于專家人為確定的esg相關詞，存在主觀性強、效率低等問題。
2、本發明通過以下技術方案來實現上述目的：
3、第一方面、本發明提出了基于機器學習的投資者對esg關注度的量化評估方法，所述方法包括：
4、s1、收集esg報告并解析其文本內容，獲取esg報告的文本數據；
5、s2、對所述文本數據進行預處理，得到待處理語料庫；
6、s3、基于word2vec模型對所述待處理語料庫進行詞嵌入，以獲取待處理語料庫中所有詞語的向量表示，形成向量數據集；其中，所述word2vec模型采用基于負采樣的skip-gram模型進行訓練得到；
7、s4、定義代表esg報告中對應維度的種子詞，利用預先訓練的word2vec模型識別與所述種子詞相近的詞語以擴展esg相關詞，得到esg相關詞詞典；
8、s5、根據投資者在設定問答場景下esg相關詞出現的頻數確定投資者對esg關注度。
9、進一步的，步驟s2包括：
10、s2.1、對所述文本數據進行數據清洗；
11、s2.2、利用jieba分詞工具對清洗后的文本數據進行分詞，并刪除特殊字符、數字和標點符號，形成待處理語料庫。
12、進一步的，步驟s3包括：
13、s3.1、調用python庫確認輸入輸出，以初始化word2vec模型參數，并設定上下文窗口大小、詞向量維度、以及語料庫的迭代次數，選擇skip-gram模型；
14、s3.2、定義skip-gram模型結構如下：
15、（1）輸入層：將待處理語料庫中的每個詞表示為維數為詞匯表大小維數的one-hot行向量；
16、（2）隱藏層：通過維的參數矩陣，將輸入層的one-hot向量投射為空間的，其中對應w中與對應的行向量；
17、（3）輸出層：通過維的參數矩陣，接收隱藏層的輸出作為輸入，預測待處理語料庫中每個單詞出現在上下文的原始概率，并通過softmax激活函數得到真實概率分布，中與對應的列向量表示為；
18、s3.3、訓練模型：采用負采樣技術優化所述skip-gram模型，優化目標函數為：
19、；
20、；
21、其中是正樣本集，是負樣本集，表示中心詞的相鄰詞來自正樣本集，表示中心詞的相鄰詞來自負樣本集；
22、使用gensim庫，根據步驟s3.1中設定的參數和所述優化目標函數，遍歷待處理語料庫進行迭代訓練，直至達到設定的迭代次數；
23、s3.4、獲取詞向量表示，并保存模型：訓練完成后，將待處理語料庫中的每個詞轉換為設定維數的向量表示，形成向量數據集，并保存訓練好的模型。
24、進一步的，步驟s4包括：
25、s4.1、定義代表esg中環境、社會、治理的維度的種子詞，運用步驟s3.4中預先訓練好的word2vec模型，對于每個esg維度中的任意種子詞，生成詞向量；
26、s4.2、計算每個esg維度的平均向量，計算與所述向量數據集中每個詞向量之間的余弦相似度，為每個維度選擇最相似的設定數量的詞作為esg相關詞；
27、s4.3、將所述esg相關詞添加到所述向量數據集中得到esg相關詞詞典。
28、進一步的，步驟s5包括：
29、基于所述esg相關詞詞典，計算投資者在設定問答場景下對esg的關注，如下式：
30、；
31、其中表示在第年時公司的投資者對esg的關注程度，表示公司第年的esg報告中esg相關詞的頻數。
32、第二方面、本發明提出了基于機器學習的投資者對esg關注度的量化評估系統，應用于執行上述任一項所述的評估方法，所述系統包括：
33、數據收集模塊，用于收集esg報告并解析其文本內容，獲取esg報告的文本數據；
34、預處理模塊，用于對所述文本數據進行預處理，得到待處理語料庫；
35、詞嵌入模塊，用于基于word2vec模型對所述待處理語料庫進行詞嵌入，以獲取待處理語料庫中所有詞語的向量表示，形成向量數據集；其中，所述word2vec模型采用基于負采樣的skip-gram模型進行訓練得到；
36、詞典構建模塊，用于定義代表esg報告中對應維度的種子詞，利用預先訓練的word2vec模型識別與所述種子詞相近的詞語以擴展esg相關詞，得到esg相關詞詞典；
37、計算模塊，用于根據投資者在設定問答場景下esg相關詞出現的頻數確定投資者對esg關注度。
38、進一步的，所述預處理模塊還包括分詞單元和停用詞刪除單元，分詞單元用于利用jieba分詞工具進行分詞，停用詞刪除單元用于刪除特殊字符、數字和標點符號，形成待處理語料庫。
39、進一步的，所述詞嵌入模塊包括：
40、初始化單元，用于調用python庫確認輸入輸出，以初始化word2vec模型參數，并設定上下文窗口大小、詞向量維度、以及語料庫的迭代次數，選擇skip-gram模型；
41、模型構建單元，用于構建skip-gram模型結構，包括輸入層、隱藏層和輸出層，其中輸入層將待處理語料庫中的每個詞表示為維數為詞匯表大小的one-hot行向量，隱藏層通過參數矩陣將輸入層的one-hot向量投射為空間向量，輸出層通過另一參數矩陣接收隱藏層的輸出作為輸入，預測待處理語料庫中每個單詞出現在給定中心詞上下文中的概率，并通過softmax激活函數得到真實概率分布；
42、模型訓練單元，使用gensim庫，根據初始化單元設定的參數和負采樣優化單元定義的優化目標函數，遍歷待處理語料庫進行迭代訓練，直至達到設定的迭代次數；
43、詞向量獲取單元，用于訓練完成后，將待處理語料庫中的每個詞轉換為設定維數的向量表示，并形成向量數據集。
44、進一步的，所述詞典構建模塊包括：
45、種子詞定義單元，用于定義代表esg中環境、社會、治理維度的種子詞；
46、詞向量生成單元，用于結合詞嵌入模塊中預先訓練的word2vec模型，為每個esg維度中的任意種子詞生成詞向量；
47、相似詞選擇單元，用于計算每個esg維度的平均向量，并與向量數據集中每個詞向量計算余弦相似度，為每個維度選擇最相似的設定數量的詞作為esg相關詞；
48、詞典構建單元，用于將選擇的esg相關詞添加到向量數據集中，得到esg相關詞詞典。
49、本發明的有益效果在于：
50、本發明通過引入機器學習模型word2vec來確定esg相關詞，對現有的機構投資者esg關注度的衡量方法進行了顯著改進。本發明通過訓練word2vec模型，能夠自動從大量的esg報告文本中學習到與esg相關的詞匯，大大降低了主觀性，提高了衡量的準確性和效率。同時，由于word2vec模型能夠捕獲詞語之間的語義和句法相似性，因此能夠更全面地反映出機構投資者在實地調研中對esg問題的關注情況，為投資者、企業和監管機構提供了更為可靠和科學的esg關注度量化指標。