論文の概要: FedNLP: An interpretable NLP System to Decode Federal Reserve
Communications
- arxiv url: http://arxiv.org/abs/2106.06247v1
- Date: Fri, 11 Jun 2021 08:58:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-14 14:35:15.174933
- Title: FedNLP: An interpretable NLP System to Decode Federal Reserve
Communications
- Title(参考訳): FedNLP:連邦準備制度通信をデコードするための解釈可能なNLPシステム
- Authors: Jean Lee, Hoyoul Luis Youn, Nicholas Stevens, Josiah Poon, Soyeon
Caren Han
- Abstract要約: 我々は連邦準備制度の通信を復号化するための解釈可能な多成分自然言語処理システムであるFedNLPを提案する。
このシステムは、NLP技術がNOコーディングによるFRBのコミュニケーションの全体的理解にどのように役立つかをエンドユーザが調査するために設計されている。
- 参考スコア(独自算出の注目度): 1.1630338538211475
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Federal Reserve System (the Fed) plays a significant role in affecting
monetary policy and financial conditions worldwide. Although it is important to
analyse the Fed's communications to extract useful information, it is generally
long-form and complex due to the ambiguous and esoteric nature of content. In
this paper, we present FedNLP, an interpretable multi-component Natural
Language Processing system to decode Federal Reserve communications. This
system is designed for end-users to explore how NLP techniques can assist their
holistic understanding of the Fed's communications with NO coding. Behind the
scenes, FedNLP uses multiple NLP models from traditional machine learning
algorithms to deep neural network architectures in each downstream task. The
demonstration shows multiple results at once including sentiment analysis,
summary of the document, prediction of the Federal Funds Rate movement and
visualization for interpreting the prediction model's result.
- Abstract(参考訳): 連邦準備制度(frb)は、世界中の金融政策や金融状況に影響を与える重要な役割を担っている。
fedのコミュニケーションを分析して有用な情報を抽出することは重要であるが、内容の曖昧で難解な性質のため、一般的には長く複雑である。
本稿では,federal reserve communicationsをデコードするための解釈可能な多成分自然言語処理システムfednlpを提案する。
このシステムは、NLP技術がNOコーディングによるFRBのコミュニケーションの全体的理解にどのように役立つかをエンドユーザが調査するために設計されている。
裏側では、FedNLPは従来の機械学習アルゴリズムから下流の各タスクにおけるディープニューラルネットワークアーキテクチャまで、複数のNLPモデルを使用している。
実演では,感情分析,文書の要約,連邦資金利率運動の予測,予測モデルの解釈のための可視化など,複数の結果を一度に示す。
関連論文リスト
- Factor-Assisted Federated Learning for Personalized Optimization with
Heterogeneous Data [6.024145412139383]
フェデレートラーニング(Federated Learning)は、データプライバシ保護を目的とした、新興の分散機械学習フレームワークである。
異なるクライアントのデータには、共通の知識とパーソナライズされた知識の両方が含まれている。
我々は、FedSplitと呼ばれる異種データのための、新しい個人化されたフェデレーション学習フレームワークを開発した。
論文 参考訳(メタデータ) (2023-12-07T13:05:47Z) - Textual Data Mining for Financial Fraud Detection: A Deep Learning
Approach [0.0]
本稿では,自然言語処理(以下,NLP)のバイナリ分類タスクを,金融詐欺テキストの分析に活用する深層学習手法を提案する。
私の方法論では、埋め込み層を持つ多層パーセプトロン、Vanilla Recurrent Neural Network(RNN)、Long-Short Term Memory(LSTM)、Gated Recurrent Unit(GRU)など、さまざまな種類のニューラルネットワークモデルが関係しています。
本研究が深層学習,NLP,金融の交差点における研究の進展に寄与するため,私の研究成果は,金融不正検出に重大な影響を及ぼす。
論文 参考訳(メタデータ) (2023-08-05T15:33:10Z) - Federated Nearest Neighbor Machine Translation [66.8765098651988]
本稿では,FedNN(FedNN)機械翻訳フレームワークを提案する。
FedNNは1ラウンドの記憶に基づくインタラクションを活用して、異なるクライアント間で知識を共有する。
実験の結果,FedAvgと比較して,FedNNは計算コストと通信コストを著しく削減することがわかった。
論文 参考訳(メタデータ) (2023-02-23T18:04:07Z) - Financial data analysis application via multi-strategy text processing [0.2741266294612776]
本稿では、主に中国A株会社の株価取引データとニュースに焦点を当てる。
本稿では,自然言語処理(NLP)と知識グラフ(KG)技術を用いた金融テキスト処理アプリケーションシナリオの深層学習に向けた取り組みと計画について述べる。
論文 参考訳(メタデータ) (2022-04-25T01:56:36Z) - FedQAS: Privacy-aware machine reading comprehension with federated
learning [0.0]
大規模プライベートデータを活用可能なプライバシ保護マシン読取システムであるFedQASを提案する。
FedQASは柔軟で言語に依存しないため、ローカルモデルトレーニングの直感的な参加と実行を可能にしている。
論文 参考訳(メタデータ) (2022-02-09T22:03:35Z) - FedComm: Federated Learning as a Medium for Covert Communication [56.376997104843355]
フェデレートラーニング(FL)は、ディープラーニングの採用に伴うプライバシーへの影響を軽減するためのソリューションである。
本稿では,FL方式の通信能力について詳しく検討する。
我々は,新しいマルチシステム被覆通信技術であるFedCommを紹介する。
論文 参考訳(メタデータ) (2022-01-21T17:05:56Z) - Knowledge Graph Augmented Network Towards Multiview Representation
Learning for Aspect-based Sentiment Analysis [96.53859361560505]
本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。
KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。
3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
論文 参考訳(メタデータ) (2022-01-13T08:25:53Z) - 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) - FF-NSL: Feed-Forward Neural-Symbolic Learner [70.978007919101]
本稿では,Feed-Forward Neural-Symbolic Learner (FF-NSL) と呼ばれるニューラルシンボリック学習フレームワークを紹介する。
FF-NSLは、ラベル付き非構造化データから解釈可能な仮説を学習するために、Answer Setセマンティクスに基づく最先端のICPシステムとニューラルネットワークを統合する。
論文 参考訳(メタデータ) (2021-06-24T15:38:34Z) - FedNLP: A Research Platform for Federated Learning in Natural Language
Processing [55.01246123092445]
NLPのフェデレーションラーニングのための研究プラットフォームであるFedNLPを紹介します。
FedNLPは、テキスト分類、シーケンスタグ付け、質問応答、Seq2seq生成、言語モデリングなど、NLPで一般的なタスクの定式化をサポートしている。
FedNLPによる予備実験では、分散型データセットと集中型データセットの学習には大きなパフォーマンスギャップが存在することが明らかになった。
論文 参考訳(メタデータ) (2021-04-18T11:04:49Z)
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。