Fugu-MT 論文翻訳(概要): Financial Document Causality Detection Shared Task (FinCausal 2020)

論文の概要: Financial Document Causality Detection Shared Task (FinCausal 2020)

arxiv url: http://arxiv.org/abs/2012.02505v1
Date: Fri, 4 Dec 2020 10:17:42 GMT
ステータス: 処理完了
システム内更新日: 2021-05-23 07:26:54.154472
Title: Financial Document Causality Detection Shared Task (FinCausal 2020)
Title（参考訳）: 財務文書因果検出共有タスク(FinCausal 2020)
Authors: Dominique Mariko, Hanna Abi Akl, Estelle Labidurie, St\'ephane Durfort, Hugues de Mazancourt, Mahmoud El-Haj
Abstract要約: このワークショップは、FNP-FNS 2020(Financial Narrative Processing and MultiLing Financial Summarisation)の共同ワークショップに関連している。我々はFinCausal 2020 Shared Task on Causality Detection in Financial Documentsと関連するFinCausalデータセットを紹介する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present the FinCausal 2020 Shared Task on Causality Detection in Financial Documents and the associated FinCausal dataset, and discuss the participating systems and results. Two sub-tasks are proposed: a binary classification task (Task 1) and a relation extraction task (Task 2). A total of 16 teams submitted runs across the two Tasks and 13 of them contributed with a system description paper. This workshop is associated to the Joint Workshop on Financial Narrative Processing and MultiLing Financial Summarisation (FNP-FNS 2020), held at The 28th International Conference on Computational Linguistics (COLING'2020), Barcelona, Spain on September 12, 2020.
Abstract（参考訳）: 金融文書および関連するfincausalデータセットにおける因果性検出に関するfincausal 2020共有タスクを報告し、参加システムと結果について考察する。二項分類タスク(Task1)と関係抽出タスク(Task2)の2つのサブタスクを提案する。合計16チームが2つのタスクをまたいで実行し、13チームがシステム記述の論文を寄稿した。このワークショップは、2020年9月12日にスペインのバルセロナで開催された第28回計算言語学国際会議(COING'2020)で開催されるFNP-FNS 2020(Joint Workshop on Financial Narrative Processing and MultiLing Financial Summarisation)に関連付けられている。

関連論文リスト

Findings of the IWSLT 2024 Evaluation Campaign [102.7608597658451]
本稿は、第21回IWSLT会議によって組織された共有タスクについて報告する。共通タスクは、音声翻訳における7つの科学的課題に対処する。
論文参考訳（メタデータ） (2024-11-07T19:11:55Z)
Open-FinLLMs: Open Multimodal Large Language Models for Financial Applications [90.67346776473241]
大規模言語モデル(LLM)は高度な金融アプリケーションを持っているが、十分な財務知識がなく、テーブルや時系列データといったマルチモーダル入力に関わるタスクに苦労することが多い。我々は、総合的な財務知識をテキスト、テーブル、時系列データに組み込む一連の金融LLMであるtextitOpen-FinLLMsを紹介する。また、複雑な財務データ型を扱うために、1.43Mの画像テキスト命令で訓練されたマルチモーダルLLMであるFinLLaVAについても紹介する。
論文参考訳（メタデータ） (2024-08-20T16:15:28Z)
'Finance Wizard' at the FinLLM Challenge Task: Financial Text Summarization [0.0]
本稿では,基礎モデルを財務テキスト要約のためのタスク固有モデルに微調整するパイプラインアプローチについて述べる。このモデルであるFinLlama3_sumは, ROUGE-1スコア0.521で3位となった。
論文参考訳（メタデータ） (2024-08-07T13:31:44Z)
L3iTC at the FinLLM Challenge Task: Quantization for Financial Text Classification & Summarization [2.111699987679628]
FinLLM Challenge Task 2024は、タスク1、ファイナンシャルテキスト分類、タスク2、ファイナンシャルテキスト要約の2つの重要な領域に焦点を当てた。各タスクのパフォーマンスを最適化するために,複数の大規模言語モデル (LLM) を微調整した。我々のモデルはF1スコア0.7543の財務分類タスクで3位を獲得し、公式試験データセットの財務要約タスクで6位を確保した。
論文参考訳（メタデータ） (2024-08-06T08:25:49Z)
Overview of AI-Debater 2023: The Challenges of Argument Generation Tasks [62.443665295250035]
第2023回中国影響コンピューティング会議(CCAC 2023)におけるAI-Debater 2023チャレンジの結果を提示する。合計で32のチームがチャレンジに登録し、そこから11の応募をもらいました。
論文参考訳（メタデータ） (2024-07-20T10:13:54Z)
FinBen: A Holistic Financial Benchmark for Large Language Models [75.09474986283394]
FinBenは、24の財務タスクにまたがる36のデータセットを含む、最初の大規模なオープンソース評価ベンチマークである。 FinBenは、幅広いタスクとデータセット、ストックトレーディングの最初の評価、新しいエージェントと検索可能な生成(RAG)の評価、およびテキスト要約、質問応答、株式トレーディングのための3つの新しいオープンソース評価データセットを提供する。
論文参考訳（メタデータ） (2024-02-20T02:16:16Z)
PIXIU: A Large Language Model, Instruction Data and Evaluation Benchmark for Finance [63.51545277822702]
PIXIUは、命令データ付き微調整LLaMAに基づく最初の金融大規模言語モデル(LLM)を含む包括的なフレームワークである。我々はLLaMAを細調整してFinMAを提案する。我々は、FinMAと既存のLLMを詳細に分析し、重要な財政課題に対処する際の長所と短所を明らかにする。
論文参考訳（メタデータ） (2023-06-08T14:20:29Z)
I4U System Description for NIST SRE'20 CTS Challenge [87.17861348484455]
この原稿は、2020 NIST Speaker Recognition Evaluation (SRE'20) Conversational Telephone Speech (CTS) ChallengeへのI4U提出について記述している。 I4Uの提出は、8つの研究チームの間で活発なコラボレーションによって行われた。提出は、個々のチームが貢献するトップパフォーマンスサブシステムとサブフュージョンシステムの融合に基づいている。
論文参考訳（メタデータ） (2022-11-02T13:04:27Z)
DSC-IITISM at FinCausal 2021: Combining POS tagging with Attention-based Contextual Representations for Identifying Causal Relationships in Financial Documents [0.0]
因果検出は、情報検索、イベント予測、質問応答、財務分析、市場調査に応用されている。本研究では,変換器を用いて財務文書の因果関係を同定し,抽出する手法について検討する。最適手法は, ブラインドテストにおけるF1スコア0.9551, Exact Matchスコア0.8777を達成する。
論文参考訳（メタデータ） (2021-10-31T13:09:19Z)
Data Processing and Annotation Schemes for FinCausal Shared Task [0.0]
金融ナラティブ・プロセッシング・マルチリング・ファイナンシャル・サマライゼーション(FNP-FNS 2020)共同ワークショップに参加して本資料はFinCausal Shared Task(Mariko et al., 2020)のデータのラベル付けに使用されるアノテーションスキームを説明する。
論文参考訳（メタデータ） (2020-12-04T09:58:47Z)
WNUT-2020 Task 1 Overview: Extracting Entities and Relations from Wet Lab Protocols [17.782052529098927]
本稿では,WNUT 2020における湿式実験室情報抽出作業の結果について述べる。本稿では,タスク,データアノテーションプロセス,コーパス統計について概説し,各サブタスクに対応するシステムの概要について述べる。
論文参考訳（メタデータ） (2020-10-27T19:34:53Z)

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。