计算机应用

作者：李严, 叶冠华, 李雅文, 梁美玉

单位：1.电子科技大学 经济与管理学院，成都 611731；2.北京邮电大学 计算机学院（国家示范性软件学院），北京 100876；3.北京邮电大学 经济管理学院，北京 100876

关键词：数据挖掘,深度学习,时序预测,自编码器,注意力机制,数据异质,环境、社会及治理,丰度协调技术

基金：国家自然科学基金资助项目(62172056);中国人工智能学会青年人才托举工程(2022QNRC001)

环境、社会及治理（ESG）指标是评估企业可持续发展的重要指标。现有的ESG评估体系存在覆盖范围狭窄、主观性强和时效性差等问题，因此，迫切需要研究能利用企业数据准确预测ESG指标的预测模型。针对企业数据中ESG关联特征存在信息丰度不一致的问题，提出一种基于丰度协调技术的企业ESG指标预测模型RCT （Richness Coordination Transformer），其中上游丰度协调模块通过自编码器协调异质丰度特征，从而提高下游模块的ESG指标预测性能。在真实数据集上的实验结果表明，与模型时间卷积网络（TCN）、长短期记忆（LSTM）网络、自注意力模型（Transformer）、极限梯度提升（XGBoost）和轻量级梯度提升机（LightGBM）相比，RCT模型在各项预测指标上均表现最优，验证了RCT模型在预测ESG指标上的有效性和优越性。

来源：2025年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第2期