Fugu-MT 論文翻訳(概要): FinMatcher at FinSim-2: Hypernym Detection in the Financial Services Domain using Knowledge Graphs

論文の概要: FinMatcher at FinSim-2: Hypernym Detection in the Financial Services Domain using Knowledge Graphs

arxiv url: http://arxiv.org/abs/2103.01576v1
Date: Tue, 2 Mar 2021 08:56:28 GMT
ステータス: 処理完了
システム内更新日: 2021-03-05 10:52:51.084278
Title: FinMatcher at FinSim-2: Hypernym Detection in the Financial Services Domain using Knowledge Graphs
Title（参考訳）: FinSim-2:Hypernym Detection in the Financial Services Domain using Knowledge Graphs (英語)
Authors: Jan Portisch and Michael Hladik and Heiko Paulheim
Abstract要約: 本稿では、FinMatcherシステムとそのFinSim 2021共有タスクの結果について述べる。 FinSim-2共有タスクは、金融サービスドメインの一連の概念ラベルで構成されています。ゴールは、与えられた概念セットから最も関連するトップレベル概念を見つけることである。
参考スコア（独自算出の注目度）: 1.2891210250935146
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents the FinMatcher system and its results for the FinSim 2021 shared task which is co-located with the Workshop on Financial Technology on the Web (FinWeb) in conjunction with The Web Conference. The FinSim-2 shared task consists of a set of concept labels from the financial services domain. The goal is to find the most relevant top-level concept from a given set of concepts. The FinMatcher system exploits three publicly available knowledge graphs, namely WordNet, Wikidata, and WebIsALOD. The graphs are used to generate explicit features as well as latent features which are fed into a neural classifier to predict the closest hypernym.
Abstract（参考訳）: 本稿では,Web 会議と連携して,Web 上での金融技術ワークショップ (FinWeb) と共同で実施されている FinSim 2021 共有タスクについて,FinMatcher システムとその成果について述べる。 FinSim-2共有タスクは、金融サービスドメインの一連の概念ラベルで構成されています。ゴールは、与えられた概念セットから最も関連するトップレベル概念を見つけることである。 FinMatcherシステムは、WordNet、Wikidata、WebIsALODの3つの公開知識グラフを利用しています。グラフは明示的な特徴と、最も近いハイパーネムを予測するためにニューラル分類器に入力される潜時特徴を生成するために使用される。

関連論文リスト

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)
FinEntity: Entity-level Sentiment Classification for Financial Texts [15.467477195487763]
金融分野では、特定の金融機関に対する感情を正確に評価するために、エンティティレベルの感情分析を行うことが不可欠である。ファイナンシャル・ニュースにおけるエンティティレベルの感情分類データセットであるtextbfFinEntityを導入する。
論文参考訳（メタデータ） (2023-10-19T01:38:40Z)
Graph Pooling for Graph Neural Networks: Progress, Challenges, and Opportunities [128.55790219377315]
グラフニューラルネットワークは多くのグラフレベルのタスクの主要なアーキテクチャとして登場した。グラフプーリングは、グラフ全体の全体的グラフレベル表現を得るためには不可欠である。
論文参考訳（メタデータ） (2022-04-15T04:02:06Z)
DICoE@FinSim-3: Financial Hypernym Detection using Augmented Terms and Distance-based Features [2.6599014990168834]
金融分野における意味的類似を学習する第3の共有タスクであるFinSim-3に、チームDICoEを提出する。このタスクは金融分野における一連の用語を提供し、金融オントロジーから最も関連性の高いハイパーネムに分類する必要がある。私たちの最高の成績は、タスクのリーダーボードで4位にランクインした。
論文参考訳（メタデータ） (2021-09-30T08:01:48Z)
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)
Temporal Graph Network Embedding with Causal Anonymous Walks Representations [54.05212871508062]
本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
論文参考訳（メタデータ） (2021-08-19T15:39:52Z)
Term Expansion and FinBERT fine-tuning for Hypernym and Synonym Ranking of Financial Terms [0.0]
本稿では,ハイパニムと同義語対応問題を解くシステムを提案する。 IJCAI-2021におけるFinNLPワークショップの共有作業であるFinSim-3に参加するために,これらのシステムを設計した。我々の最高のパフォーマンスモデル(精度:0.917、ランク:1.156)は、FIBOのラベル階層を用いて作成された拡張ラベルセット上で、微調整されたSentenceBERT(Reimers et al., 2019)によって開発された。
論文参考訳（メタデータ） (2021-07-29T06:17:44Z)
Exploiting Network Structures to Improve Semantic Representation for the Financial Domain [9.13755431537592]
本稿では、FinSim-3におけるMiniTrueチームが、英語の金融分野におけるセマンティックな類似性を学習するタスクについて述べる。提案手法では,変換言語モデルから学習した文脈埋め込みと,外部知識ソースから抽出したネットワーク構造埋め込みを組み合わせる。実験結果から,知識グラフ埋め込みモデルの方が文脈埋め込みのみのモデルよりも優れた結果が得られることがわかった。
論文参考訳（メタデータ） (2021-07-13T07:32:18Z)
JSI at the FinSim-2 task: Ontology-Augmented Financial Concept Classification [2.2559617939136505]
オントロジはここ数年、機械推論にますます使われています。本稿では,財務領域の分類問題に対するオントロジーの実践的利用について述べる。本稿では,与えられた概念を上記の説明にマッピングし,最も関連性の高いハイパーネムをグラフ検索する手法を提案する。
論文参考訳（メタデータ） (2021-06-17T03:56:15Z)
Supporting Financial Inclusion with Graph Machine Learning and Super-App Alternative Data [63.942632088208505]
スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
論文参考訳（メタデータ） (2021-02-19T15:13:06Z)
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)

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。