論文の概要: Deep Learning Framework for Measuring the Digital Strategy of Companies
from Earnings Calls
- arxiv url: http://arxiv.org/abs/2010.12418v2
- Date: Thu, 3 Dec 2020 04:36:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 22:09:42.674518
- Title: Deep Learning Framework for Measuring the Digital Strategy of Companies
from Earnings Calls
- Title(参考訳): 決算報告から企業のデジタル戦略を測定するためのディープラーニングフレームワーク
- Authors: Ahmed Ghanim Al-Ali, Robert Phaal, Donald Sull
- Abstract要約: この研究は、企業が採用しているデジタル戦略パターンの異なるクラスタを理解するために、非構造化データにNLPモデルを適用した初めてのものである。
テキスト分類にはTransformerベースのアーキテクチャを使用し、会話コンテキストの理解を深める。
私たちの調査結果は、Fortune 500企業がプロダクトリード、顧客エクスペリエンスリード、サービスリード、効率リードの4つの戦略を使用していることを示唆している。
- 参考スコア(独自算出の注目度): 1.0312968200748118
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Companies today are racing to leverage the latest digital technologies, such
as artificial intelligence, blockchain, and cloud computing. However, many
companies report that their strategies did not achieve the anticipated business
results. This study is the first to apply state of the art NLP models on
unstructured data to understand the different clusters of digital strategy
patterns that companies are Adopting. We achieve this by analyzing earnings
calls from Fortune Global 500 companies between 2015 and 2019. We use
Transformer based architecture for text classification which show a better
understanding of the conversation context. We then investigate digital strategy
patterns by applying clustering analysis. Our findings suggest that Fortune 500
companies use four distinct strategies which are product led, customer
experience led, service led, and efficiency led. This work provides an
empirical baseline for companies and researchers to enhance our understanding
of the field.
- Abstract(参考訳): 今日の企業は、人工知能、ブロックチェーン、クラウドコンピューティングなど、最新のデジタル技術を活用しようとしている。
しかし、多くの企業は、彼らの戦略が期待した事業結果を達成できなかったと報告している。
この研究は、企業が採用しているデジタル戦略パターンの異なるクラスタを理解するために、非構造化データにNLPモデルを適用する最初のものである。
これを2015年から2019年にかけて、fortune global 500企業の決算報告を分析して達成しました。
テキスト分類にはTransformerベースのアーキテクチャを使用し、会話コンテキストの理解を深める。
次に,クラスタリング分析を用いてデジタル戦略パターンを検討する。
当社の調査結果は、fortune 500企業がプロダクトリード、顧客エクスペリエンスリード、サービスリード、効率リードという4つの異なる戦略を使用していることを示唆している。
この研究は、企業や研究者がこの分野の理解を深めるための経験的ベースラインを提供する。
関連論文リスト
- Generative AI for Business Strategy: Using Foundation Models to Create
Business Strategy Tools [0.7784248206747153]
ビジネス意思決定における基礎モデルの利用を提案する。
私たちは、署名されたビジネスネットワークの出現という形で、ITアーティファクトを導き出します。
このようなアーティファクトは、市場の状態と自身のポジションについて、ビジネスステークホルダーに通知することができる。
論文 参考訳(メタデータ) (2023-08-27T19:03:12Z) - A Comprehensive Survey of Artificial Intelligence Techniques for Talent
Analytics [49.53664196592719]
タレント分析は人的資源管理に応用されたデータ科学において有望な分野として現れてきた。
ビッグデータと人工知能技術の最近の発展は、人的資源管理に革命をもたらした。
論文 参考訳(メタデータ) (2023-07-03T07:53:20Z) - 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) - DataComp: In search of the next generation of multimodal datasets [179.79323076587255]
DataCompは、Common Crawlの128億の画像テキストペアの候補プールを中心にしたデータセット実験用のテストベッドである。
我々のベンチマークは、複数の計算スケールから成っている。
特に、最良のベースラインであるDataComp-1Bは、ImageNetでCLIP ViT-L/14をスクラッチから79.2%のゼロショット精度でトレーニングすることが可能です。
論文 参考訳(メタデータ) (2023-04-27T11:37:18Z) - 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) - A Comparative Study of Sentiment Analysis Using NLP and Different
Machine Learning Techniques on US Airline Twitter Data [0.0]
知覚分析は自然言語処理(NLP)と機械学習(ML)の技法である
本稿では,2つのNLP手法(Bag-of-WordsとTF-IDF)と各種ML分類アルゴリズムを提案する。
ベストアプローチは,Bag-of-Words技術を用いたSupport Vector MachineとLogistic Regressionを用いた77%の精度を提供する。
論文 参考訳(メタデータ) (2021-10-02T18:05:00Z) - Predicting Consumer Purchasing Decision in The Online Food Delivery
Industry [0.0]
予測モデリング(英: Predictive Modeling)とは、様々な回帰アルゴリズム、分析、統計を用いて発生確率を推定する機械学習の一種である。
CARTとC4.5決定木、ランダム森林、ルールベース分類器の4つの予測モデルが検討され、それらの精度が正しいクラスラベルを提供する。
これらの結果から、全てのモデルで同様の性能が得られたが、C4.5は91.67%の精度で性能に優れていた。
論文 参考訳(メタデータ) (2021-10-01T16:05:48Z) - A Comprehensive Review on Summarizing Financial News Using Deep Learning [8.401473551081747]
自然言語処理技術は通常、そのような大量のデータを扱うために使われ、そこから貴重な情報を得るのに使用される。
本研究では,BoW,TF-IDF,Word2Vec,BERT,GloVe,FastTextなどの埋め込み技術を用いて,RNNやLSTMなどのディープラーニングモデルに入力する。
ディープリーミングは、望まれる結果を得るか、最先端技術よりも高い精度を達成するために適用されることが期待された。
論文 参考訳(メタデータ) (2021-09-21T12:00:31Z) - NLP in FinTech Applications: Past, Present and Future [50.27357144360525]
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。
論文 参考訳(メタデータ) (2020-05-04T08:37:27Z) - Deep Learning Based Text Classification: A Comprehensive Review [75.8403533775179]
本稿では,近年開発されたテキスト分類のための150以上のディープラーニングモデルについてレビューする。
また、テキスト分類に広く使われている40以上の一般的なデータセットの要約も提供する。
論文 参考訳(メタデータ) (2020-04-06T02:00:30Z) - Benchmarking Graph Neural Networks [75.42159546060509]
グラフニューラルネットワーク(GNN)は、グラフ上のデータから分析および学習するための標準ツールキットとなっている。
成功している分野が主流で信頼性を持つようになるためには、進捗を定量化するためにベンチマークを開発する必要がある。
GitHubリポジトリは1,800のスターと339のフォークに到達し、提案されているオープンソースフレームワークの有用性を実証している。
論文 参考訳(メタデータ) (2020-03-02T15:58:46Z)
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。