論文の概要: Towards Financial Sentiment Analysis in a South African Landscape
- arxiv url: http://arxiv.org/abs/2106.10004v1
- Date: Fri, 18 Jun 2021 08:48:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-21 22:14:34.942041
- Title: Towards Financial Sentiment Analysis in a South African Landscape
- Title(参考訳): 南アフリカのランドスケープにおける金融感情分析に向けて
- Authors: Michelle Terblanche and Vukosi Marivate
- Abstract要約: この論文は、金融業績の側面のみに焦点を当て、南アフリカの文脈における金融感情分析に関するギャップを探求するものである。
その結果、事前学習した感情分析者は、この課題に対して最も効果が低いことが明らかとなった。
従来の辞書ベースの機械学習アプローチは、ニュース記事の金銭的感情を予測するのに最適である。
- 参考スコア(独自算出の注目度): 0.015863809575305417
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sentiment analysis as a sub-field of natural language processing has received
increased attention in the past decade enabling organisations to more
effectively manage their reputation through online media monitoring. Many
drivers impact reputation, however, this thesis focuses only the aspect of
financial performance and explores the gap with regards to financial sentiment
analysis in a South African context. Results showed that pre-trained sentiment
analysers are least effective for this task and that traditional lexicon-based
and machine learning approaches are best suited to predict financial sentiment
of news articles. The evaluated methods produced accuracies of 84\%-94\%. The
predicted sentiments correlated quite well with share price and highlighted the
potential use of sentiment as an indicator of financial performance. A main
contribution of the study was updating an existing sentiment dictionary for
financial sentiment analysis. Model generalisation was less acceptable due to
the limited amount of training data used. Future work includes expanding the
data set to improve general usability and contribute to an open-source
financial sentiment analyser for South African data.
- Abstract(参考訳): 自然言語処理のサブ分野としての感性分析は、過去10年間に注目を集めており、組織はオンラインメディア監視を通じて、より効果的に評判を管理することができる。
しかし、多くのドライバーが評判に影響を与えるが、この論文は金融パフォーマンスの側面のみに焦点を当て、南アフリカの文脈で金融感情分析に関するギャップを探求する。
その結果、事前学習された感情分析者はこのタスクに最も効果が低く、従来のレキシコンベースと機械学習のアプローチはニュース記事の財務的な感情を予測するのに最適であることがわかった。
評価方法は, 84\%-94\%の精度を示した。
予測されたセンチメントは株価と非常によく相関し、財務業績の指標として感情の潜在的利用を強調した。
この研究の主な貢献は、金融感情分析のために既存の感情辞書を更新することだった。
モデル一般化は、使用したトレーニングデータが少ないため、受け入れられなかった。
今後の作業には、データセットを拡張して一般ユーザビリティを改善し、南アフリカのデータのオープンソースの財務感情分析ツールに貢献することが含まれる。
関連論文リスト
- Transforming Sentiment Analysis in the Financial Domain with ChatGPT [0.07499722271664146]
本研究では,金融感情分析における大規模言語モデル,特にChatGPT 3.5の可能性について検討する。
ChatGPTは、感情分類で約35%向上し、市場リターンと36%高い相関を示した。
この研究は、特にゼロショットの文脈において、迅速なエンジニアリングの重要性を浮き彫りにすることで、ChatGPTが金融アプリケーションにおける感情分析を大幅に強化する可能性を浮き彫りにしている。
論文 参考訳(メタデータ) (2023-08-13T09:20:47Z) - Chinese Fine-Grained Financial Sentiment Analysis with Large Language
Models [4.993565079216378]
そこで我々は,企業早期警戒のための,中国の財務感情分析データセットFinChina SAを提案する。
われわれのデータセットは、現実の財務感情分析タスクの探索を進めるための貴重なリソースとして役立ちます。
論文 参考訳(メタデータ) (2023-06-25T02:24:30Z) - Instruct-FinGPT: Financial Sentiment Analysis by Instruction Tuning of
General-Purpose Large Language Models [18.212210748797332]
本稿では,これらの問題に対処する簡易かつ効果的な命令チューニング手法を提案する。
実験では, 最先端の教師付き感情分析モデルより優れていた。
論文 参考訳(メタデータ) (2023-06-22T03:56:38Z) - Sentiment Analysis in the Era of Large Language Models: A Reality Check [69.97942065617664]
本稿では,大規模言語モデル(LLM)の様々な感情分析タスクの実行能力について検討する。
26のデータセット上の13のタスクのパフォーマンスを評価し、ドメイン固有のデータセットに基づいて訓練された小言語モデル(SLM)と比較した。
論文 参考訳(メタデータ) (2023-05-24T10:45:25Z) - Counterfactual Reasoning for Out-of-distribution Multimodal Sentiment
Analysis [56.84237932819403]
本稿では,OODの高次一般化に対するテキストモダリティの悪影響を推定・緩和することを目的とする。
そこで本研究では,マルチモーダル感情分析のためのモデルに依存しない反現実的フレームワークを考案した。
論文 参考訳(メタデータ) (2022-07-24T03:57:40Z) - 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) - Text analysis in financial disclosures [0.0]
会社の財務情報開示の殆どは、構造化されていないテキストである。
研究者は最近、情報開示のテキストコンテンツを分析し始めた。
この研究は、現在の感情指標の焦点の限界を強調して、開示分析方法に寄与する。
論文 参考訳(メタデータ) (2021-01-06T17:45:40Z) - A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。
ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。
我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
論文 参考訳(メタデータ) (2020-12-10T01:15:48Z) - Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
世論の研究は我々に貴重な情報を提供することができる。
感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。
本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
論文 参考訳(メタデータ) (2020-06-05T16:28:10Z) - SKEP: Sentiment Knowledge Enhanced Pre-training for Sentiment Analysis [69.80296394461149]
本稿では,複数の感情分析タスクに対する統一的な感情表現を学習するために,感覚知識強化事前学習(SKEP)を導入する。
自動的な知識の助けを借りて、SKEPは感情マスキングを行い、3つの感情知識予測目標を構築する。
3種類の感情タスクの実験では、SKEPはトレーニング前ベースラインよりも有意に優れていた。
論文 参考訳(メタデータ) (2020-05-12T09:23:32Z) - A BERT based Sentiment Analysis and Key Entity Detection Approach for
Online Financial Texts [4.834766555659253]
本稿では,オンライン金融テキストマイニングとソーシャルメディアにおける世論分析に応用した,BERTに基づく感情分析とキーエンティティ検出手法を提案する。
実験の結果,SVM,LR,NBM,BERTの2つの財務感情分析とキーエンティティ検出データセットにおいて,本手法の性能は概して高いことがわかった。
論文 参考訳(メタデータ) (2020-01-14T13:50:08Z)
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。