Fugu-MT 論文翻訳(概要): DSC-IITISM at FinCausal 2021: Combining POS tagging with Attention-based Contextual Representations for Identifying Causal Relationships in Financial Documents

論文の概要: DSC-IITISM at FinCausal 2021: Combining POS tagging with Attention-based Contextual Representations for Identifying Causal Relationships in Financial Documents

arxiv url: http://arxiv.org/abs/2111.00490v1
Date: Sun, 31 Oct 2021 13:09:19 GMT
ステータス: 処理完了
システム内更新日: 2021-11-03 08:13:07.581039
Title: DSC-IITISM at FinCausal 2021: Combining POS tagging with Attention-based Contextual Representations for Identifying Causal Relationships in Financial Documents
Title（参考訳）: FinCausal 2021におけるDSC-IitisM: POSタグと注意に基づく文脈表現の組み合わせによる財務文書の因果関係の特定
Authors: Gunjan Haldar, Aman Mittal and Pradyumna Gupta
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Causality detection draws plenty of attention in the field of Natural Language Processing and linguistics research. It has essential applications in information retrieval, event prediction, question answering, financial analysis, and market research. In this study, we explore several methods to identify and extract cause-effect pairs in financial documents using transformers. For this purpose, we propose an approach that combines POS tagging with the BIO scheme, which can be integrated with modern transformer models to address this challenge of identifying causality in a given text. Our best methodology achieves an F1-Score of 0.9551, and an Exact Match Score of 0.8777 on the blind test in the FinCausal-2021 Shared Task at the FinCausal 2021 Workshop.
Abstract（参考訳）: 因果検出は自然言語処理と言語学研究の分野で多くの注目を集めている。情報検索、イベント予測、質問応答、財務分析、市場調査において重要な応用がある。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。そこで本研究では,POSタグとBIOスキームを組み合わせる手法を提案する。ベストメソッドはFinCausal 2021 WorkshopにおけるFinCausal-2021共有タスクにおける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。

関連論文リスト

ICDAR 2023 Competition on Structured Text Extraction from Visually-Rich Document Images [198.35937007558078]
大会は2022年12月30日に開かれ、2023年3月24日に閉幕した。トラック1には35人の参加者と91人の有効な応募があり、トラック2には15人の参加者と26人の応募がある。提案手法の性能によると, 複雑なシナリオやゼロショットシナリオにおいて, 期待される情報抽出性能にはまだ大きなギャップがあると考えられる。
論文参考訳（メタデータ） (2023-06-05T22:20:52Z)
ConvFinQA: Exploring the Chain of Numerical Reasoning in Conversational Finance Question Answering [70.6359636116848]
本稿では,対話型質問応答における数値推論の連鎖を研究するために,新しい大規模データセットConvFinQAを提案する。我々のデータセットは、現実世界の会話において、長距離で複雑な数値推論パスをモデル化する上で大きな課題となる。
論文参考訳（メタデータ） (2022-10-07T23:48:50Z)
RuArg-2022: Argument Mining Evaluation [69.87149207721035]
本稿は、ロシア語テキストを扱う議論分析システムの最初のコンペティションの主催者の報告である。新型コロナウイルスの感染拡大に伴う3つの話題について、9,550文(ソーシャルメディア投稿記事)のコーパスを用意した。両タスクで第一位を獲得したシステムは、BERTアーキテクチャのNLI(Natural Language Inference)変種を使用した。
論文参考訳（メタデータ） (2022-06-18T17:13:37Z)
FinBERT-MRC: financial named entity recognition using BERT under the machine reading comprehension paradigm [8.17576814961648]
我々はFinNERタスクを機械読解(MRC)問題として定式化し、FinBERT-MRCと呼ばれる新しいモデルを提案する。この定式化は、よく設計されたクエリを利用して重要な事前情報を導入し、ターゲットエンティティの開始インデックスと終了インデックスを抽出する。我々は,中国の財務データセットChFinAnnと実単語データセットAdminPunishについて実験を行った。
論文参考訳（メタデータ） (2022-05-31T00:44:57Z)
A Generative Approach for Financial Causality Extraction [25.341822852612225]
因果関係 (Causality) は、金融文書における出来事の最も深い関係を表す。本稿では,エンコーダ・デコーダ・フレームワークとポインタ・ネットワークを用いた因果抽出手法を提案する。
論文参考訳（メタデータ） (2022-04-12T10:05:41Z)
Exploring Multi-Modal Representations for Ambiguity Detection & Coreference Resolution in the SIMMC 2.0 Challenge [60.616313552585645]
会話型AIにおける効果的なあいまいさ検出と参照解決のためのモデルを提案する。具体的には,TOD-BERTとLXMERTをベースとしたモデルを用いて,多数のベースラインと比較し,アブレーション実験を行う。以上の結果から,(1)言語モデルでは曖昧さを検出するためにデータの相関を活用でき,(2)言語モデルではビジョンコンポーネントの必要性を回避できることがわかった。
論文参考訳（メタデータ） (2022-02-25T12:10:02Z)
Overview of ADoBo 2021: Automatic Detection of Unassimilated Borrowings in the Spanish Press [8.950918531231158]
本稿では、IberLef 2021の文脈で提案された、ADoBo 2021共有タスクの主な成果を要約する。本課題では,スペイン語ニュースワイヤテキスト中の語彙借用(主に英語からの引用)を検出するために参加者を招待した。参加者に、トレーニング、開発、テスト分割に分割した語彙借入の注釈付きコーパスを提供した。
論文参考訳（メタデータ） (2021-10-29T11:07:59Z)
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)
Financial Document Causality Detection Shared Task (FinCausal 2020) [0.0]
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。
論文参考訳（メタデータ） (2020-12-04T10:17:42Z)
IIT_kgp at FinCausal 2020, Shared Task 1: Causality Detection using Sentence Embeddings in Financial Reports [0.0]
この研究は、文中の因果関係を識別する最初のサブタスクと関連付けられている。 BERT (Large) は、財務文書や報告書の文の因果性を検出するタスクにおいて、F1スコア0.958を与えられた。
論文参考訳（メタデータ） (2020-11-16T00:57:14Z)
Explaining Relationships Between Scientific Documents [55.23390424044378]
本稿では,2つの学術文書間の関係を自然言語テキストを用いて記述する課題に対処する。本稿では154K文書から622Kサンプルのデータセットを作成する。
論文参考訳（メタデータ） (2020-02-02T03:54:47Z)

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。