슬로베니아 뉴스에 대한 환경, 사회 및 지배구조(ESG) 감성 분석: 새로운 데이터셋 및 모델

Environmental, Social and Governance Sentiment Analysis on Slovene News: A Novel Dataset and Models

환경, 사회 및 지배구조(ESG) 고려 사항은 기업의 성과, 평판 및 장기적인 지속 가능성을 평가하는 데 점점 더 중요한 요소가 되고 있습니다. 그러나 신뢰할 수 있는 ESG 평가는 소규모 기업 및 신흥 시장에서 여전히 제한적입니다. 본 연구에서는 최초의 공개 슬로베니아 ESG 감성 데이터셋과 자동 ESG 감성 감지 모델을 소개합니다. MaCoCu 슬로베니아 뉴스 데이터셋에서 파생된 이 데이터셋은 대규모 언어 모델(LLM)을 활용한 필터링과 함께 회사 관련 ESG 콘텐츠에 대한 인간의 주석을 결합합니다. 단일 언어 모델(SloBERTa) 및 다국어 모델(XLM-R), 임베딩 기반 분류기(TabPFN), 계층적 앙상블 아키텍처 및 대규모 언어 모델의 성능을 평가했습니다. 결과는 LLM이 환경(Gemma3-27B, F1-macro: 0.61) 및 사회(gpt-oss 20B, F1-macro: 0.45) 측면에서 가장 뛰어난 성능을 보였으며, 미세 조정된 SloBERTa가 지배구조 분류에서 가장 우수한 모델임을 나타냅니다(F1-macro: 0.54). 또한, 최상의 성능을 보이는 분류기(gpt-oss)를 사용하여 선택된 기업의 ESG 측면을 장기간에 걸쳐 조사하는 소규모 사례 연구를 통해 그 활용 가능성을 보여줍니다.

Environmental, Social, and Governance (ESG) considerations are increasingly integral to assessing corporate performance, reputation, and long-term sustainability. Yet, reliable ESG ratings remain limited for smaller companies and emerging markets. We introduce the first publicly available Slovene ESG sentiment dataset and a suite of models for automatic ESG sentiment detection. The dataset, derived from the MaCoCu Slovene news collection, combines large language model (LLM)-assisted filtering with human annotation of company-related ESG content. We evaluate the performance of monolingual (SloBERTa) and multilingual (XLM-R) models, embedding-based classifiers (TabPFN), hierarchical ensemble architectures, and large language models. Results show that LLMs achieve the strongest performance on Environmental (Gemma3-27B, F1-macro: 0.61) and Social aspects (gpt-oss 20B, F1-macro: 0.45), while fine-tuned SloBERTa is the best model on Governance classification (F1-macro: 0.54). We then show in a small case study how the best-preforming classifier (gpt-oss) can be applied to investigate ESG aspects for selected companies across a long time frame.