論文の概要: Multi-Domain Transformer-Based Counterfactual Augmentation for Earnings Call Analysis

• arxiv url: http://arxiv.org/abs/2112.00963v2
• Date: Fri, 3 Dec 2021 05:12:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-06 12:25:26.509740
• Title: Multi-Domain Transformer-Based Counterfactual Augmentation for Earnings Call Analysis
• Title（参考訳）: マルチドメイントランスフォーマティブによる収益電話分析のための相反的拡張
• Authors: Zixuan Yuan, Yada Zhu, Wei Zhang, Ziming Huang, Guangnan Ye, Hui Xiong
• Abstract要約: 本稿では,市場推測のための重要なECコンテンツのタスクインスパイアされた意義を注意深く定量化するトランスフォーマーベースのECエンコーダを提案する。 次に、勾配に基づく変動を評価するための多領域対実学習フレームワークを開発する。 実世界の金融データセットの実験は、解釈可能なMTCAの有効性を示し、最先端技術のボラティリティ評価能力を14.2%精度で向上させた。
• 参考スコア（独自算出の注目度）: 20.087027853160627
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Earnings call (EC), as a periodic teleconference of a publicly-traded company, has been extensively studied as an essential market indicator because of its high analytical value in corporate fundamentals. The recent emergence of deep learning techniques has shown great promise in creating automated pipelines to benefit the EC-supported financial applications. However, these methods presume all included contents to be informative without refining valuable semantics from long-text transcript and suffer from EC scarcity issue. Meanwhile, these black-box methods possess inherent difficulties in providing human-understandable explanations. To this end, in this paper, we propose a Multi-Domain Transformer-Based Counterfactual Augmentation, named MTCA, to address the above problems. Specifically, we first propose a transformer-based EC encoder to attentively quantify the task-inspired significance of critical EC content for market inference. Then, a multi-domain counterfactual learning framework is developed to evaluate the gradient-based variations after we perturb limited EC informative texts with plentiful cross-domain documents, enabling MTCA to perform unsupervised data augmentation. As a bonus, we discover a way to use non-training data as instance-based explanations for which we show the result with case studies. Extensive experiments on the real-world financial datasets demonstrate the effectiveness of interpretable MTCA for improving the volatility evaluation ability of the state-of-the-art by 14.2\% in accuracy.
• Abstract（参考訳）: 上場企業の定期的遠隔会議としてのEarnings Call(EC)は、企業基盤における分析的価値の高さから、重要な市場指標として広く研究されている。 近年のディープラーニング技術の出現は、ECが支援する金融アプリケーションに利益をもたらすために、自動化パイプラインを作成する上で大きな期待を示している。 しかし、これらの手法は、長文のテキストから貴重な意味論を精査することなく、全ての内容が情報化されるべきであると仮定し、EC不足の問題に悩まされる。 一方、これらのブラックボックス法は人間に理解可能な説明を与えるのに固有の困難を伴っている。 そこで本稿では,MTCAと呼ばれるマルチドメイントランスフォーマーを用いた対実拡張手法を提案する。 具体的には、まず、市場推測のための重要なECコンテンツのタスクインスパイアされた意義を注意深く定量化するトランスフォーマーベースのECエンコーダを提案する。 次に,多領域対応学習フレームワークを開発し,限られたEC情報テキストに豊富なクロスドメイン文書を混入させ,MTCAが教師なしデータ拡張を行えるようにした。 ボーナスとして,非トレーニングデータをインスタンスベースの説明として利用し,ケーススタディで結果を示す方法を見出した。 実世界の金融データセットに関する大規模な実験は、解釈可能なMTCAの有効性を示し、最先端技術のボラティリティ評価能力を14.2\%精度で向上させた。

関連論文リスト

• Towards Faster Decentralized Stochastic Optimization with Communication Compression [27.484212303346816]
  MoTEFは,Momentum Tracking と Error Feedback との通信を統合する新しい手法である。 我々の分析は、MoTEFが所望のプロパティの大部分と、データの下でかなり既存のメソッドを統合することを実証している。
  論文  参考訳（メタデータ） (2024-05-30T14:51:57Z)
• Introducing User Feedback-based Counterfactual Explanations (UFCE) [49.1574468325115]
  対実的説明(CE)は、XAIで理解可能な説明を生成するための有効な解決策として浮上している。 UFCEは、アクション可能な機能のサブセットで最小限の変更を決定するために、ユーザー制約を含めることができる。 UFCEは、textitproximity(英語版)、textitsparsity(英語版)、textitfeasibility(英語版)の2つのよく知られたCEメソッドより優れている。
  論文  参考訳（メタデータ） (2024-02-26T20:09:44Z)
• Towards reducing hallucination in extracting information from financial reports using Large Language Models [1.2289361708127877]
  本稿では,Large Language Models (LLMs) が業績報告書から効率的にかつ迅速に情報を抽出する方法を示す。 我々は,Q&Aシステム評価のための様々な客観的指標に基づいて,提案手法を使わずに,様々なLCMの結果を評価する。
  論文  参考訳（メタデータ） (2023-10-16T18:45:38Z)
• HAlf-MAsked Model for Named Entity Sentiment analysis [0.0]
  RuSentNE-23の評価において、異なるトランスフォーマーベースのソリューション NESA について検討した。 この問題を克服するためのいくつかのアプローチを提案し、その中にはマスク付きエンティティで与えられたデータに渡される新たなパス技術がある。 提案モデルでは,RuSentNE-23評価データに対して最高の結果が得られ,エンティティレベルの感情分析における一貫性が向上することを示す。
  論文  参考訳（メタデータ） (2023-08-30T06:53:24Z)
• Distributionally Robust Cross Subject EEG Decoding [15.211091130230589]
  本稿では,デコードロバスト性を改善するために,データ上で動的に進化する原理的手法を提案する。 We derived a general data evolution framework based on Wasserstein gradient flow (WGF) and provide two different form of evolution within the framework。 提案手法は、さらなる改善のために、他のデータ拡張手法と容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-19T11:31:33Z)
• DAPDAG: Domain Adaptation via Perturbed DAG Reconstruction [78.76115370275733]
  本研究では,人口統計量の推定を行う自動エンコーダを学習し,有向非巡回グラフ(DAG)を補助的タスクとして再構築する。 基礎となるDAG構造は、条件分布が潜伏環境変数$E$によって導かれる領域間で変化することが許される観測変数の間で不変であると仮定される。 我々は、エンコーダとデコーダをエンドツーエンドで共同で訓練し、混合変数を用いた合成および実データセットの実験を行う。
  論文  参考訳（メタデータ） (2022-08-02T11:43:03Z)
• Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product Retrieval [152.3504607706575]
  本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。 まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。 我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
  論文  参考訳（メタデータ） (2022-06-17T15:40:45Z)
• Towards Fair Knowledge Transfer for Imbalanced Domain Adaptation [61.317911756566126]
  本研究では,不均衡なドメイン間学習における公平性問題に対処するTowards Fair Knowledge Transferフレームワークを提案する。 具体的には、新規なクロスドメインミックスアップ生成を利用して、ターゲット情報でマイノリティソースセットを増強し、公正性を高める。 本モデルでは,2つのベンチマークで全体の精度を20%以上向上させる。
  論文  参考訳（メタデータ） (2020-10-23T06:29:09Z)
• Transformer Based Multi-Source Domain Adaptation [53.24606510691877]
  実践的な機械学習設定では、モデルを予測しなければならないデータは、トレーニングされたデータとは異なる分布から生まれることが多い。 本稿では、複数のソースドメインからラベル付きデータに基づいてモデルを訓練し、ラベル付きデータが見られないドメイン上で予測を行う、教師なしマルチソースドメイン適応の問題について検討する。 本研究では,大規模な事前学習型変圧器を用いたドメインエキスパートの予測が極めて均質であることを示し,それらの予測を混在させる効果的な関数の学習を困難にしている。
  論文  参考訳（メタデータ） (2020-09-16T16:56:23Z)
• A Transductive Multi-Head Model for Cross-Domain Few-Shot Learning [72.30054522048553]
  本稿では,クロスドメインなFew-Shot学習問題に対処するため,TMHFS(Transductive Multi-Head Few-Shot Learning)を提案する。 提案手法は, 4つの異なる対象領域において, 強いベースライン, 微調整を著しく上回っている。
  論文  参考訳（メタデータ） (2020-06-08T02:39:59Z)
• 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。