Fugu-MT 論文翻訳(概要): Contextual Sentence Analysis for the Sentiment Prediction on Financial Data

論文の概要: Contextual Sentence Analysis for the Sentiment Prediction on Financial Data

arxiv url: http://arxiv.org/abs/2112.13790v1
Date: Mon, 27 Dec 2021 17:12:57 GMT
ステータス: 処理完了
システム内更新日: 2021-12-28 14:45:53.258438
Title: Contextual Sentence Analysis for the Sentiment Prediction on Financial Data
Title（参考訳）: 財務データに基づく感情予測のための文脈文分析
Authors: Elvys Linhares Pontes, Mohamed Benjannet
Abstract要約: 企業や株式に関する感情を特定するために,トランスフォーマーモデルの階層的スタックを提案する。見出しとマイクロブログを処理するためにRoBERTaモデルを微調整し、追加のTransformerレイヤと組み合わせて感情辞書による文解析を行った。
参考スコア（独自算出の注目度）: 0.10878040851637999
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Newsletters and social networks can reflect the opinion about the market and specific stocks from the perspective of analysts and the general public on products and/or services provided by a company. Therefore, sentiment analysis of these texts can provide useful information to help investors trade in the market. In this paper, a hierarchical stack of Transformers model is proposed to identify the sentiment associated with companies and stocks, by predicting a score (of data type real) in a range between -1 and +1. Specifically, we fine-tuned a RoBERTa model to process headlines and microblogs and combined it with additional Transformer layers to process the sentence analysis with sentiment dictionaries to improve the sentiment analysis. We evaluated it on financial data released by SemEval-2017 task 5 and our proposition outperformed the best systems of SemEval-2017 task 5 and strong baselines. Indeed, the combination of contextual sentence analysis with the financial and general sentiment dictionaries provided useful information to our model and allowed it to generate more reliable sentiment scores.
Abstract（参考訳）: ニューズレターやソーシャルネットワークは、アナリストや一般大衆が企業が提供する製品やサービスに関して、市場や特定の株式についての意見を反映することができる。したがって、これらのテキストの感情分析は、投資家が市場で取引するのに役立つ有用な情報を提供する。本稿では,企業や株式に関する感情を,-1～+1の範囲のスコア(データ型実数)を予測し,階層的なトランスフォーマーモデルスタックを提案する。具体的には、見出しとマイクロブログを処理するためにRoBERTaモデルを微調整し、さらにトランスフォーマー層と組み合わせて、感情分析を改善するために感情辞書を用いて文解析を処理した。我々はSemEval-2017 Task 5の財務データに基づいて評価を行い、SemEval-2017 Task 5の最高のシステムと強力なベースラインよりも優れた性能を示した。実際、文脈分析と金融および一般感情辞書の組み合わせは、モデルに有用な情報を提供し、より信頼性の高い感情スコアを生成することができた。

関連論文リスト

You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
感情分析ツールが同じデータセットで一致しないことを示す。感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
論文参考訳（メタデータ） (2024-10-18T17:27:38Z)
BERTopic-Driven Stock Market Predictions: Unraveling Sentiment Insights [0.0]
NLP技術であるBERTopicを用いて、株式市場のコメントから派生したトピックの感情を分析する。本手法は,この感情分析と様々な深層学習モデルを統合し,時系列およびストック予測タスクの有効性で有名である。その結果、株式市場のコメントの話題は、株式市場のボラティリティと価格トレンドに関する暗黙の貴重な洞察を提供することを示している。
論文参考訳（メタデータ） (2024-04-02T15:50:10Z)
AlphaFin: Benchmarking Financial Analysis with Retrieval-Augmented Stock-Chain Framework [48.3060010653088]
我々はAlphaFinデータセットをリリースし、従来の研究データセット、リアルタイム財務データ、手書きのチェーン・オブ・プリート(CoT)データを組み合わせています。次に、AlphaFinデータセットを使用して、金融分析タスクを効果的に処理するために、Stock-Chainと呼ばれる最先端の手法をベンチマークします。
論文参考訳（メタデータ） (2024-03-19T09:45:33Z)
Applying News and Media Sentiment Analysis for Generating Forex Trading Signals [0.0]
著者は、ソーシャルメディア投稿と米国ドル(USD)に関するニュース記事における感情を、手法の組み合わせを用いて評価した。この結果は、市場の動きを予測し、トレーディングシグナルを考案する上で、感情分析が有用であることを示唆している。
論文参考訳（メタデータ） (2024-02-19T02:43:55Z)
Emoji Driven Crypto Assets Market Reactions [0.21847754147782888]
我々は、マルチモーダル感情分析に、GPT-4と微調整変換器に基づくBERTモデルを利用する。これらの洞察は、BTC PriceやVCRIXインデックスといった重要な市場指標と相関する。以上の結果から,絵文字の感情に基づく戦略が,市場不振の回避に有効であることが示唆された。
論文参考訳（メタデータ） (2024-02-16T07:05:49Z)
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)
The Battle of Information Representations: Comparing Sentiment and Semantic Features for Forecasting Market Trends [0.5249805590164902]
市場の動向を予測するための感情属性よりも文脈埋め込みの形での意味的特徴が重要であるかを検討する。当社は、NASDAQの資本化による大手企業に関連するTwitter投稿のコーパスとその価格設定について検討する。以上の結果から,感情的特徴の活用により,有意な頻度で測定値が上昇することが示唆された。
論文参考訳（メタデータ） (2023-03-24T18:30:15Z)
DiaASQ : A Benchmark of Conversational Aspect-based Sentiment Quadruple Analysis [84.80347062834517]
本稿では,対話における目標視差感の4倍を検出することを目的としたDiaASQを紹介する。中国語と英語の両方で大規模なDiaASQデータセットを手作業で構築する。我々は、タスクをベンチマークするニューラルネットワークを開発し、エンドツーエンドの4倍の予測を効果的に実行する。
論文参考訳（メタデータ） (2022-11-10T17:18:20Z)
Causal Intervention Improves Implicit Sentiment Analysis [67.43379729099121]
インスツルメンタル・バリアブル(ISAIV)を用いたインシシット・センシティメント分析のための因果介入モデルを提案する。まず、因果的視点から感情分析をレビューし、このタスクに存在する共同設立者を分析する。そこで本研究では,文章と感情の因果関係を解消し,純粋因果関係を抽出するインストゥルメンタル変数を提案する。
論文参考訳（メタデータ） (2022-08-19T13:17:57Z)
A sentiment analysis model for car review texts based on adversarial training and whole word mask BERT [41.480467013834144]
自動車評価の分野では、ネット市民がインターネットプラットフォーム上で意見を表明するケースが増えている。対向訓練と全単語マスクBERT(ATWWM-BERT)に基づく自動車レビューテキスト感情分析モデルを提案する。
論文参考訳（メタデータ） (2022-06-06T06:45:43Z)
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)

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。