論文の概要: NLP in FinTech Applications: Past, Present and Future
- arxiv url: http://arxiv.org/abs/2005.01320v1
- Date: Mon, 4 May 2020 08:37:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 00:47:23.579045
- Title: NLP in FinTech Applications: Past, Present and Future
- Title(参考訳): FinTechアプリケーションにおけるNLP:過去,現在,未来
- Authors: Chung-Chi Chen, Hen-Hsen Huang, Hsin-Hsi Chen
- Abstract要約: 金融分野における自然言語処理(NLP)技術の適用に関する研究に焦点をあてる。
アプリケーションシナリオは、Know Your Customer(KYC)、Know Your Product(KYP)、Satify Your Customer(SYC)の3つの側面から見ていきます。
- 参考スコア(独自算出の注目度): 50.27357144360525
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Financial Technology (FinTech) is one of the worldwide rapidly-rising topics
in the past five years according to the statistics of FinTech from Google
Trends. In this position paper, we focus on the researches applying natural
language processing (NLP) technologies in the finance domain. Our goal is to
indicate the position we are now and provide the blueprint for future
researches. We go through the application scenarios from three aspects
including Know Your Customer (KYC), Know Your Product (KYP), and Satisfy Your
Customer (SYC). Both formal documents and informal textual data are analyzed to
understand corporate customers and personal customers. Furthermore, we talk
over how to dynamically update the features of products from the prospect and
the risk points of view. Finally, we discuss satisfying the customers in both
B2C and C2C business models. After summarizing the past and the recent
challenges, we highlight several promising future research directions in the
trend of FinTech and the open finance tendency.
- Abstract(参考訳): ファイナンシャル・テクノロジー(FinTech)は、Google TrendsのFinTech統計によると、過去5年で世界で急速に流行しているトピックの1つだ。
本稿では,金融分野における自然言語処理(NLP)技術の適用に関する研究に焦点をあてる。
私たちの目標は、現在の位置を示し、将来の研究の青写真を提供することです。
アプリケーションシナリオは、Know Your Customer(KYC)、Know Your Product(KYP)、Satisfy Your Customer(SYC)の3つの側面から見ていきます。
形式文書と非公式テキストデータの両方を分析し、企業顧客と個人顧客を理解する。
さらに、今後の展望とリスクの観点から、製品の機能を動的に更新する方法についても論じる。
最後に、B2CとC2Cの両方のビジネスモデルにおける顧客満足度について論じる。
過去と最近の課題を要約した後、FinTechのトレンドとオープンファイナンスの動向の中で、将来有望な研究方向性をいくつか強調する。
関連論文リスト
- A Survey of Large Language Models in Finance (FinLLMs) [10.195778659105626]
大規模言語モデル(LLM)は、さまざまな自然言語処理(NLP)タスクで顕著な機能を示している。
この調査は、FinLLMの歴史、テクニック、パフォーマンス、機会と課題を含む、包括的な概要を提供する。
ファイナンスにおけるAI研究を支援するために、アクセス可能なデータセットと評価ベンチマークのコレクションをGitHubにコンパイルします。
論文 参考訳(メタデータ) (2024-02-04T02:06:57Z) - Trustworthy Machine Learning [57.08542102068706]
信頼に値する機械学習(TML)に関する教科書は、TMLの4つの重要なトピックの理論的および技術的な背景をカバーしている。
本稿では、上記の分野に関する重要な古典的・現代的な研究論文について論じ、その基礎となる直観を解明し、接続する。
論文 参考訳(メタデータ) (2023-10-12T11:04:17Z) - Dynamic Datasets and Market Environments for Financial Reinforcement
Learning [68.11692837240756]
FinRL-Metaは、現実世界の市場からジムスタイルの市場環境へ動的データセットを処理するライブラリである。
我々は,ユーザが新しい取引戦略を設計するための足場として,人気のある研究論文を例示し,再現する。
また、ユーザが自身の結果を視覚化し、相対的なパフォーマンスを評価するために、このライブラリをクラウドプラットフォームにデプロイします。
論文 参考訳(メタデータ) (2023-04-25T22:17:31Z) - Natural Language Processing in Customer Service: A Systematic Review [0.0]
レビューは、顧客サービスにおけるNLP技術の利用に関する既存の研究を検討することを目的としている。
5つの主要な科学データベースから論文を抽出する。
Twitterは2番目によく使われるデータセットだった。
論文 参考訳(メタデータ) (2022-12-16T18:17:07Z) - FinTech for Social Good: A Research Agenda from NLP Perspective [43.2190101005697]
NLPが社会のためにFinTechでどのように役立つかについては議論がない。
本稿は、FinTechでNLPをソーシャルグッズに活用する方法について、私たちの考えを共有します。
論文 参考訳(メタデータ) (2022-11-13T22:29:41Z) - 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) - AI in Finance: Challenges, Techniques and Opportunities [32.98512067306018]
金融におけるAIは、金融ビジネスにおけるAI技術の応用を広く指している。
このレビューは、金融におけるAI研究の圧倒的な課題、技術、および機会に関する包括的で密集したロードマップを提供する。
論文 参考訳(メタデータ) (2021-07-20T01:39:10Z) - Data science and AI in FinTech: An overview [102.56893575390569]
Smart FinTechは、主にデータサイエンスと新世代のAIとDSAI(DSAI)技術にインスパイアされ、強化されている。
FinTechのデータサイエンスとAIの研究には、BandingTech、TradeTech、LendTech、InsurTech、WealthTech、PayTech、R RiskTech、暗号通貨、ブロックチェーン向けのスマートフィンテックにおける最新の進歩が含まれている。
論文 参考訳(メタデータ) (2020-07-10T01:10:37Z) - Deep Technology Tracing for High-tech Companies [67.86308971806322]
我々は、各ハイテク企業にカスタマイズされた最も可能な技術方向を自動的に見つけるために、新しいデータ駆動ソリューション、すなわちDeep Technology Forecasting(DTF)フレームワークを開発する。
DTFは、潜在的な競合認識(PCR)、協調技術認識(CTR)、Deep Technology Tracing(DTT)ニューラルネットワークの3つのコンポーネントで構成されている。
論文 参考訳(メタデータ) (2020-01-02T07:44:12Z)
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。