(Special session) Resource exploration and big-data processing［Tue. Sep 12, 2023 PM Room-6］

[1601-05-03] Risk Analysis of Resources Supply Chain for Stable Procurement of Mineral Resources
~Automatical Extraction of Risk Factors and Location Information by Machine Learning~

○Komai Takeshi¹, Junbin Xiao¹, Yoko Yamakata², Kazuyo Katsubae¹ (1. Tohoku University, 2. University of Tokyo)

Chairperson: Kotaro Shimizu (Mitsubishi UFJ Research and Consulting Co.,Ltd)

Keywords:Mineral resources, Supply chain, Stable supply, Machine learning, Sentiment analysis

本研究では、ウェブ上で公開されている重要鉱種（金、銅、REE等）のテキストデータを用いて、機械学習により鉱物資源のサプライチェーンに関わる資源リスクを自動的に抽出するための手法とその結果について検討する。資源リスクのカテゴリとしては、ESG（環境、社会、統治）および細分化された個々のリスク要因を対象とし、それらが鉱物資源の安定調達に対して優位（ポジティブ）に働くか、不利（ネガティブ）なのかを自動判定した。併せて、判定した結果の妥当性を検討するため、当該分野の専門家によるセンチメント分析を実施し、両者を比較することで判定の精度を向上させた。また、専門家による教師データを蓄積することで、資源リスクを機械学習により効率的に抽出するための汎用的なコーパスの作成について検討した。
　環境（E）に関わる資源リスクでは、エネルギーの需要供給、再生可能エネルギー、環境汚染、自然災害などの要因がそれぞれのセンチメントと高い相関を示した。社会（S）に関わる資源リスクでは、労働争議、児童労働、資源の倫理、政治の安定性などの要因がセンチメントに影響を与えた。一方、統治（G）に関わる要素では、経済や企業間の売買などの複雑な利害関係があるため、センチメントとの間に明確な相関は見られなかった。また、テキストデータには鉱山、精錬所、加工施設などの位置情報が含まれるため、それらの位置情報の自動抽出と上記のセンチメント分析の結果を統合化させて、資源の供給網を可視化するための予備的な検討を進めている。