論文の概要: Latent Dirichlet Allocation Models for World Trade Analysis
- arxiv url: http://arxiv.org/abs/2009.07727v1
- Date: Wed, 16 Sep 2020 14:56:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-02 02:29:04.532745
- Title: Latent Dirichlet Allocation Models for World Trade Analysis
- Title(参考訳): 世界貿易分析のための潜在ディリクレ配置モデル
- Authors: Diego Kozlowski, Viktoriya Semeshenko and Andrea Molinari
- Abstract要約: 本稿では,国際貿易の積空間における潜在次元探索における潜在ディリクレ割当モデルの適用について述べる。
1962年から2016年までの輸出品のデータセットにこの手法を適用した。
本研究は, 実証的証拠に基づいて, 高レベルの商品分類を創出する可能性を示し, また, 国内における商品分類の分布について検討することを可能にした。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The international trade is one of the classic areas of study in economics.
Nowadays, given the availability of data, the tools used for the analysis can
be complemented and enriched with new methodologies and techniques that go
beyond the traditional approach. The present paper shows the application of the
Latent Dirichlet Allocation Models, a well known technique from the area of
Natural Language Processing, to search for latent dimensions in the product
space of international trade, and their distribution across countries over
time. We apply this technique to a dataset of countries' exports of goods from
1962 to 2016. The findings show the possibility to generate higher level
classifications of goods based on the empirical evidence, and also allow to
study the distribution of those classifications within countries. The latter
show interesting insights about countries' trade specialisation.
- Abstract(参考訳): 国際貿易は経済学における古典的な研究分野の1つである。
現在、データの可用性を考慮して、分析に使用されるツールは、従来のアプローチを超える新しい方法論やテクニックを補完し、強化することができる。
本稿では, 自然言語処理分野からよく知られた潜在ディリクレ割当モデルを用いて, 国際貿易の製品空間における潜在次元の探索を行い, 時間とともに各国に分布することを示す。
この手法を1962年から2016年までの各国の輸出品のデータセットに適用する。
本研究は, 実証的証拠に基づいて, 高レベルの商品分類を創出する可能性を示し, 国内における商品分類の分布について検討する。
後者は、各国の貿易特化に関する興味深い洞察を示している。
関連論文リスト
- A Unified Framework to Classify Business Activities into International Standard Industrial Classification through Large Language Models for Circular Economy [4.521283981812536]
本稿では,Large Language Models(LLMs)を利用して,経済活動に関するテキストデータを国際標準産業分類(ISIC)に分類する。
提案手法は, GPT-2モデルを微調整した182ラベルテストデータセットに対して95%の精度で達成する。
この研究は、持続可能な循環経済の実践を促進するグローバルな取り組みに寄与する。
論文 参考訳(メタデータ) (2024-09-17T05:30:08Z) - Prompting Encoder Models for Zero-Shot Classification: A Cross-Domain Study in Italian [75.94354349994576]
本稿では,より小型のドメイン固有エンコーダ LM と,特殊なコンテキストにおける性能向上手法の併用の可能性について検討する。
本研究は, イタリアの官僚的・法的言語に焦点をあて, 汎用モデルと事前学習型エンコーダのみのモデルの両方を実験する。
その結果, 事前学習したモデルでは, 一般知識の頑健性が低下する可能性があるが, ドメイン固有のタスクに対して, ゼロショット設定においても, より優れた適応性を示すことがわかった。
論文 参考訳(メタデータ) (2024-07-30T08:50:16Z) - GeoSEE: Regional Socio-Economic Estimation With a Large Language Model [17.31652821477571]
大規模言語モデル(LLM)を用いた統合パイプラインを用いて,様々な社会経済指標を推定できるGeoSEEを提案する。
システムは、自然言語ベースのテキストフォーマットで選択したモジュールの結果を集約した後、コンテキスト内学習を通じてターゲットインジケータを算出する。
本手法は、教師なしコンテキストとローショットコンテキストの両方において、他の予測モデルよりも優れている。
論文 参考訳(メタデータ) (2024-06-14T07:50:22Z) - Prospector Heads: Generalized Feature Attribution for Large Models & Data [82.02696069543454]
本稿では,説明に基づく帰属手法の効率的かつ解釈可能な代替手段であるプロスペクタヘッドを紹介する。
入力データにおけるクラス固有のパターンの解釈と発見を、プロファイラヘッドがいかに改善できるかを実証する。
論文 参考訳(メタデータ) (2024-02-18T23:01:28Z) - Capture the Flag: Uncovering Data Insights with Large Language Models [90.47038584812925]
本研究では,Large Language Models (LLMs) を用いてデータの洞察の発見を自動化する可能性について検討する。
そこで本稿では,データセット内の意味的かつ関連する情報(フラグ)を識別する能力を測定するために,フラグを捕捉する原理に基づく新しい評価手法を提案する。
論文 参考訳(メタデータ) (2023-12-21T14:20:06Z) - Accurate prediction of international trade flows: Leveraging knowledge
graphs and their embeddings [2.849988619791745]
本稿では,国際貿易のモデリングに知識グラフを組み込んだ手法を提案する。
従来の機械学習手法とKG埋め込み、例えば決定木やグラフニューラルネットワークの統合についても検討する。
本研究は,予測精度を向上させる可能性を示し,知識表現における説明可能性の埋め込みに関する洞察を提供する。
論文 参考訳(メタデータ) (2023-10-17T11:28:30Z) - Company classification using zero-shot learning [0.0]
NLPとゼロショット学習を用いた企業分類手法を提案する。
Wharton Research Data Services(WRDS)を用いて得られたデータセットに対する我々のアプローチを評価する。
論文 参考訳(メタデータ) (2023-05-01T18:36:06Z) - Measuring Attribution in Natural Language Generation Models [14.931889185122213]
本稿では、自然言語生成モデルの出力を評価するためのAIS(Attributable to Identified Sources)という新しい評価フレームワークを提案する。
まず、AISを定義し、アノテータがモデル出力を適切に評価できるように、2段階のアノテーションパイプラインを導入します。
論文 参考訳(メタデータ) (2021-12-23T22:33:20Z) - f-Domain-Adversarial Learning: Theory and Algorithms [82.97698406515667]
教師なしのドメイン適応は、トレーニング中、ターゲットドメイン内のラベルなしデータにアクセス可能な、多くの機械学習アプリケーションで使用されている。
領域適応のための新しい一般化法を導出し、f-発散体の変分的特徴に基づく分布間の相違性の新しい尺度を利用する。
論文 参考訳(メタデータ) (2021-06-21T18:21:09Z) - Domain Generalization: A Survey [146.68420112164577]
ドメイン一般化(DG)は、モデル学習にソースドメインデータを使用するだけでOOD一般化を実現することを目的としています。
初めて、DGの10年の開発をまとめるために包括的な文献レビューが提供されます。
論文 参考訳(メタデータ) (2021-03-03T16:12:22Z) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳(メタデータ) (2020-08-02T00:09:03Z)
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。