计算台湾上市OTC公司英文可持续发展报告的声调得分.zip

# Tone of Sustainability Report Written by JamCourage **主題類別** Text Mining, Data Preprocess, Large Language Model, FinBERT, ESG reports, Sentiment 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。 **兩大步驟** 1. [Part 1:蒐集台灣上市櫃公司的英文永續報告書--使用python爬蟲](1.%20Web%20Crawler) (1) 將有揭露英文永續報告書的公司股票代碼存入list中 (2) 設定並初始化Chrome (3) 使用for迴圈，迭代每一公司，依序從公開資訊觀測站，下載其英文永續報告書 【程式碼】 程式碼可參考[web_crawler_for_ESGreports.py](1.%20Web%20Crawler/web_crawler_for_ESGreports.py)，以下載110年永續報告書為例 2. [Part 2: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](2.%20FinBERT_calculate%20tone) (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 [](https://colab.research.google.com/github/JamCourage/Tone-of-Sustainability-Report/blob/main/2.%20FinBERT_calculate%20tone/crawler_finbert.ipynb) (b) 記錄一家公司每一句的語調與分類 [](https://colab.research.google.com/github/JamCourage/Tone-of-Sustainability-Report/blob/main/2.%20FinBERT_calculate%20tone/crawler_finbert_for_one.ipynb) 【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](2.%20FinBERT_calculate%20tone/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)