論文の概要: SPot: A tool for identifying operating segments in financial tables

• arxiv url: http://arxiv.org/abs/2005.12966v1
• Date: Sun, 17 May 2020 15:14:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 06:00:21.168608
• Title: SPot: A tool for identifying operating segments in financial tables
• Title（参考訳）: SPot:財務表の操作セグメントを識別するツール
• Authors: Zhiqiang Ma, Steven Pomerville, Mingyang Di, Armineh Nourbakhsh
• Abstract要約: SPotは、業績報告からオペレーションセグメントとその関連パフォーマンス指標を検出する自動化ツールである。 SPotは、ユーザが各操作セグメントのパフォーマンスメトリクスをトレースして調整できるインタラクティブなWebインターフェースで結果をサーフェスする。 これにより、信用監視が促進され、競争力のあるベンチマークをより効果的に実行でき、企業やセクターレベルでのトレンド分析に使用できる。
• 参考スコア（独自算出の注目度）: 5.345053052255084
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper we present SPot, an automated tool for detecting operating segments and their related performance indicators from earnings reports. Due to their company-specific nature, operating segments cannot be detected using taxonomy-based approaches. Instead, we train a Bidirectional RNN classifier that can distinguish between common metrics such as "revenue" and company-specific metrics that are likely to be operating segments, such as "iPhone" or "cloud services". SPot surfaces the results in an interactive web interface that allows users to trace and adjust performance metrics for each operating segment. This facilitates credit monitoring, enables them to perform competitive benchmarking more effectively, and can be used for trend analysis at company and sector levels.
• Abstract（参考訳）: 本稿では、業績報告からオペレーションセグメントとその関連パフォーマンス指標を検出する自動化ツールであるSPotについて述べる。 企業固有の性質上、運用セグメントは分類学に基づくアプローチでは検出できない。 代わりに、双方向RNN分類器をトレーニングし、"revenue"のような一般的なメトリクスと、"iPhone"や"クラウドサービス"といったセグメントを運用する可能性のある企業固有のメトリクスを区別します。 SPotは、ユーザが各操作セグメントのパフォーマンスメトリクスをトレースして調整できるインタラクティブなWebインターフェースで結果をサーフェスする。 これは信用監視を促進し、競争力のあるベンチマークをより効果的に実行し、企業やセクターレベルでのトレンド分析に使用することができる。

関連論文リスト

• Upsampling DINOv2 features for unsupervised vision tasks and weakly supervised materials segmentation [0.0]
  自己監督型視覚変換器(ViT)は、オブジェクトのローカライゼーションやセグメンテーションといった下流タスクに関連する強力な意味情報と位置情報を含んでいる。 最近の研究は、これらの機能をクラスタリングやグラフパーティショニング、リージョン相関といった従来の手法と組み合わせて、追加のネットワークを微調整したり訓練したりすることなく、印象的なベースラインを達成している。
  論文  参考訳（メタデータ） (2024-10-20T13:01:53Z)
• Adaptive Learning on User Segmentation: Universal to Specific Representation via Bipartite Neural Interaction [15.302921887305283]
  本稿では,情報ボトルネックを通じて汎用ユーザ表現を学習する新しい学習フレームワークを提案する。 次に、ニューラルネットワークを通じてセグメンテーション特化あるいはタスク特化表現をマージし、学習する。 提案手法は2つのオープンソースベンチマーク、2つのオフラインビジネスデータセットで評価され、ユーザのCVRを予測するために2つのオンラインマーケティングアプリケーションにデプロイされる。
  論文  参考訳（メタデータ） (2024-09-23T12:02:23Z)
• WSESeg: Introducing a Dataset for the Segmentation of Winter Sports Equipment with a Baseline for Interactive Segmentation [13.38174941551702]
  冬期スポーツ機器の10種類のカテゴリを対象とした,インスタンスセグメンテーションマスクを含む新しいデータセットを提案する。 我々は、これらのデータセット上でインタラクティブなセグメンテーション実験を行い、より効率的なラベリングの可能性を探る。
  論文  参考訳（メタデータ） (2024-07-12T14:20:12Z)
• Efficient Cutting Tool Wear Segmentation Based on Segment Anything Model [0.16666049492586987]
  本稿では,U-Netを自動プロンプトジェネレータとして統合したセグメンテーションモデルに基づく効率的なツールウェアセグメンテーション手法を提案する。 その結果、U-Netに対するアプローチのアドバンテージを一貫して強調し、限られたトレーニングデータセットでも正確な摩耗セグメンテーションを実現する能力を強調した。
  論文  参考訳（メタデータ） (2024-07-01T11:57:53Z)
• Auxiliary Tasks Enhanced Dual-affinity Learning for Weakly Supervised Semantic Segmentation [79.05949524349005]
  AuxSegNet+は、サリエンシマップから豊富な情報を探索する弱教師付き補助学習フレームワークである。 また,サリエンシとセグメンテーションの特徴マップから画素レベルの親和性を学習するためのクロスタスク親和性学習機構を提案する。
  論文  参考訳（メタデータ） (2024-03-02T10:03:21Z)
• A Semi-supervised Approach for Activity Recognition from Indoor Trajectory Data [0.822021749810331]
  協調生産環境において, 騒音の多い室内軌道データから移動物体の動作を分類する作業について検討する。 本稿では,まず情報理論の基準を適用し,長い軌道をセグメントに分割する半教師付き機械学習手法を提案する。 セグメントは制約付き階層的クラスタリング法に基づいて自動的にラベル付けされる。
  論文  参考訳（メタデータ） (2023-01-09T01:20:50Z)
• Experimental analysis regarding the influence of iris segmentation on the recognition rate [64.02126624793775]
  著者らは, 土台真実に基づくセグメンテーション精度が, 虹彩生体計測ツールチェーン全体の性能予測に有効かどうかを検討する。
  論文  参考訳（メタデータ） (2022-11-10T11:59:51Z)
• Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product Retrieval [152.3504607706575]
  本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。 まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。 我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
  論文  参考訳（メタデータ） (2022-06-17T15:40:45Z)
• TraSeTR: Track-to-Segment Transformer with Contrastive Query for Instance-level Instrument Segmentation in Robotic Surgery [60.439434751619736]
  そこで我々は,TraSeTRを提案する。TraSeTR,TraSeTR,Trace-to-Segment Transformerは,手術器具のセグメンテーションを支援する。 TraSeTRは、機器の種類、位置、アイデンティティとインスタンスレベルの予測を共同で理由付けている。 提案手法の有効性を,3つの公開データセットに対して,最先端の計器型セグメンテーション結果を用いて実証した。
  論文  参考訳（メタデータ） (2022-02-17T05:52:18Z)
• Scaling up Multi-domain Semantic Segmentation with Sentence Embeddings [81.09026586111811]
  ゼロショット設定に適用した場合、最先端の教師付き性能を実現するセマンティックセマンティックセマンティクスへのアプローチを提案する。 これは各クラスラベルを、クラスを記述する短い段落のベクトル値の埋め込みに置き換えることによって達成される。 結果として得られた200万以上の画像の統合セマンティックセグメンテーションデータセットは、7つのベンチマークデータセット上の最先端の教師付きメソッドと同等のパフォーマンスを達成するモデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2022-02-04T07:19:09Z)
• SegGroup: Seg-Level Supervision for 3D Instance and Semantic Segmentation [88.22349093672975]
  アノテーションの場所を示すためにインスタンス毎に1つのポイントをクリックするだけでよい、弱い教師付きポイントクラウドセグメンテーションアルゴリズムを設計します。 事前処理のオーバーセグメンテーションにより、これらの位置アノテーションをセグレベルのラベルとしてセグメントに拡張する。 seg-level supervised method (SegGroup) は、完全注釈付きポイントレベルのsupervised method で比較結果が得られることを示した。
  論文  参考訳（メタデータ） (2020-12-18T13:23:34Z)

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。