論文の概要: A BERT based Sentiment Analysis and Key Entity Detection Approach for
Online Financial Texts
- arxiv url: http://arxiv.org/abs/2001.05326v1
- Date: Tue, 14 Jan 2020 13:50:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 12:33:10.098850
- Title: A BERT based Sentiment Analysis and Key Entity Detection Approach for
Online Financial Texts
- Title(参考訳): オンラインファイナンシャルテキストに対するBERTに基づく感情分析とキーエンティティ検出手法
- Authors: Lingyun Zhao, Lin Li, Xinhao Zheng
- Abstract要約: 本稿では,オンライン金融テキストマイニングとソーシャルメディアにおける世論分析に応用した,BERTに基づく感情分析とキーエンティティ検出手法を提案する。
実験の結果,SVM,LR,NBM,BERTの2つの財務感情分析とキーエンティティ検出データセットにおいて,本手法の性能は概して高いことがわかった。
- 参考スコア(独自算出の注目度): 4.834766555659253
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The emergence and rapid progress of the Internet have brought ever-increasing
impact on financial domain. How to rapidly and accurately mine the key
information from the massive negative financial texts has become one of the key
issues for investors and decision makers. Aiming at the issue, we propose a
sentiment analysis and key entity detection approach based on BERT, which is
applied in online financial text mining and public opinion analysis in social
media. By using pre-train model, we first study sentiment analysis, and then we
consider key entity detection as a sentence matching or Machine Reading
Comprehension (MRC) task in different granularity. Among them, we mainly focus
on negative sentimental information. We detect the specific entity by using our
approach, which is different from traditional Named Entity Recognition (NER).
In addition, we also use ensemble learning to improve the performance of
proposed approach. Experimental results show that the performance of our
approach is generally higher than SVM, LR, NBM, and BERT for two financial
sentiment analysis and key entity detection datasets.
- Abstract(参考訳): インターネットの出現と急速な進歩により、金融分野への影響を与え続けている。
巨額のネガティブな財務文書から重要な情報を迅速かつ正確にマイニングする方法は、投資家や意思決定者にとって重要な問題の一つとなっている。
そこで本研究では,ソーシャルメディアにおけるオンライン・ファイナンシャル・テキストマイニングと世論分析に適用されるbertに基づく感情分析とキー・エンティティ検出手法を提案する。
まず,事前学習モデルを用いて感情分析を行い,その後,キーエンティティ検出を文章マッチングや機械読解タスクとして,異なる粒度で検討する。
その中でも,我々は主に否定的な感情情報に注目している。
我々は、従来の名前付きエンティティ認識(NER)とは異なるアプローチを用いて、特定のエンティティを検出する。
さらに,提案手法の性能を向上させるためにアンサンブル学習を用いた。
実験の結果,SVM,LR,NBM,BERTの2つの財務感情分析とキーエンティティ検出データセットにおいて,本手法の性能は概して高いことがわかった。
関連論文リスト
- Towards reducing hallucination in extracting information from financial
reports using Large Language Models [1.2289361708127877]
本稿では,Large Language Models (LLMs) が業績報告書から効率的にかつ迅速に情報を抽出する方法を示す。
我々は,Q&Aシステム評価のための様々な客観的指標に基づいて,提案手法を使わずに,様々なLCMの結果を評価する。
論文 参考訳(メタデータ) (2023-10-16T18:45:38Z) - HAlf-MAsked Model for Named Entity Sentiment analysis [0.0]
RuSentNE-23の評価において、異なるトランスフォーマーベースのソリューション NESA について検討した。
この問題を克服するためのいくつかのアプローチを提案し、その中にはマスク付きエンティティで与えられたデータに渡される新たなパス技術がある。
提案モデルでは,RuSentNE-23評価データに対して最高の結果が得られ,エンティティレベルの感情分析における一貫性が向上することを示す。
論文 参考訳(メタデータ) (2023-08-30T06:53:24Z) - Transforming Sentiment Analysis in the Financial Domain with ChatGPT [0.07499722271664146]
本研究では,金融感情分析における大規模言語モデル,特にChatGPT 3.5の可能性について検討する。
ChatGPTは、感情分類で約35%向上し、市場リターンと36%高い相関を示した。
この研究は、特にゼロショットの文脈において、迅速なエンジニアリングの重要性を浮き彫りにすることで、ChatGPTが金融アプリケーションにおける感情分析を大幅に強化する可能性を浮き彫りにしている。
論文 参考訳(メタデータ) (2023-08-13T09:20:47Z) - Semantic Information Marketing in The Metaverse: A Learning-Based
Contract Theory Framework [68.8725783112254]
仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。
帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。
本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
論文 参考訳(メタデータ) (2023-02-22T15:52:37Z) - Understanding metric-related pitfalls in image analysis validation [59.15220116166561]
この研究は、画像解析におけるバリデーションメトリクスに関連する落とし穴に関する情報にアクセスするための、初めての包括的な共通点を提供する。
バイオメディカル画像解析に焦点をあてるが、他の分野へ移行する可能性があるため、対処された落とし穴はアプリケーションドメイン全体にわたって一般化され、新しく作成されたドメインに依存しない分類に分類される。
論文 参考訳(メタデータ) (2023-02-03T14:57:40Z) - Causal Fairness Analysis [68.12191782657437]
意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。
我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。
本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
論文 参考訳(メタデータ) (2022-07-23T01:06:34Z) - A Simple Information-Based Approach to Unsupervised Domain-Adaptive
Aspect-Based Sentiment Analysis [58.124424775536326]
本稿では,相互情報に基づくシンプルだが効果的な手法を提案し,それらの用語を抽出する。
実験の結果,提案手法はクロスドメインABSAの最先端手法よりも4.32%高い性能を示した。
論文 参考訳(メタデータ) (2022-01-29T10:18:07Z) - Multi-Domain Transformer-Based Counterfactual Augmentation for Earnings
Call Analysis [20.087027853160627]
本稿では,市場推測のための重要なECコンテンツのタスクインスパイアされた意義を注意深く定量化するトランスフォーマーベースのECエンコーダを提案する。
次に、勾配に基づく変動を評価するための多領域対実学習フレームワークを開発する。
実世界の金融データセットの実験は、解釈可能なMTCAの有効性を示し、最先端技術のボラティリティ評価能力を14.2%精度で向上させた。
論文 参考訳(メタデータ) (2021-12-02T03:40:17Z) - FinEAS: Financial Embedding Analysis of Sentiment [0.0]
FinEAS(Financial Embedding Analysis of Sentiment)と呼ばれる新しい言語表現モデルを導入する。
本研究では,標準的なBERTモデルからの教師付き微調整文の埋め込みに基づく財務感情分析の新しいモデルを提案する。
論文 参考訳(メタデータ) (2021-10-31T15:41:56Z) - FinQA: A Dataset of Numerical Reasoning over Financial Data [52.7249610894623]
我々は、大量の財務文書の分析を自動化することを目的として、財務データに関する深い質問に答えることに重点を置いている。
我々は,金融専門家が作成した財務報告に対して質問回答のペアを用いた,新たな大規模データセットFinQAを提案する。
その結果、人気があり、大規模で、事前訓練されたモデルは、金融知識を得るための専門的な人間には程遠いことが示される。
論文 参考訳(メタデータ) (2021-09-01T00:08:14Z) - Understanding Attention in Machine Reading Comprehension [56.72165932439117]
本稿では,多面的自己意識と最終的なパフォーマンスとの関係を検討するために,一連の分析実験を実施することに焦点を当てる。
SQuAD(英語)とCMRC 2018(中国語)の定量的解析を行い、BERT, ALBERT, ELECTRAの2つのスパン抽出MCCデータセットについて検討した。
本研究は, 問合せ及び問合せに対する注意が最重要であり, 最終結果と強い相関関係を示すものであることを明らかにする。
論文 参考訳(メタデータ) (2021-08-26T04:23:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。