論文の概要: Towards automating Numerical Consistency Checks in Financial Reports

• arxiv url: http://arxiv.org/abs/2211.06112v1
• Date: Fri, 11 Nov 2022 10:35:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 15:10:46.592112
• Title: Towards automating Numerical Consistency Checks in Financial Reports
• Title（参考訳）: 財務報告における数値整合性チェックの自動化に向けて
• Authors: Lars Hillebrand, Tobias Deu{\ss}er, Tim Dilmaghani, Bernd Kliem, R\"udiger Loitz, Christian Bauckhage, Rafet Sifa
• Abstract要約: 意味的に等価なキーパフォーマンス指標(KPI)を自動的に識別し、クロスチェックする新しいシステムであるmicro-Checkを導入する。 財務名付きエンティティと関係抽出モジュールとBERTベースのテキストフィルタリングと分類コンポーネントを組み合わせることで、バランスシートの同義的な発生と利益と損失のステートメントとをリンクする前に、構造化されていない文から抽出する。
• 参考スコア（独自算出の注目度）: 1.7575422764391646
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce KPI-Check, a novel system that automatically identifies and cross-checks semantically equivalent key performance indicators (KPIs), e.g. "revenue" or "total costs", in real-world German financial reports. It combines a financial named entity and relation extraction module with a BERT-based filtering and text pair classification component to extract KPIs from unstructured sentences before linking them to synonymous occurrences in the balance sheet and profit & loss statement. The tool achieves a high matching performance of $73.00$% micro F$_1$ on a hold out test set and is currently being deployed for a globally operating major auditing firm to assist the auditing procedure of financial statements.
• Abstract（参考訳）: KPI-Checkは,実世界のドイツ財務報告において,意味論的に等価なキーパフォーマンス指標(KPI)を自動的に識別し,相互チェックする新しいシステムである。 ファイナンシャル名付きエンティティと関係抽出モジュールをBERTベースのフィルタリングとテキストペア分類コンポーネントと組み合わせて、未構造化文からKPIを抽出し、バランスシートと利益と損失ステートメントの同義語にリンクする。 このツールは、ホールドアウトテストセットで73.00$%のマイクロF$_1ドルという高いマッチング性能を達成し、現在、グローバルに運用されている大手監査会社に対して、財務諸表の監査手続きを支援するためにデプロイされている。

関連論文リスト

• Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
  本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。 実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
  論文  参考訳（メタデータ） (2024-06-05T20:19:09Z)
• Factcheck-Bench: Fine-Grained Evaluation Benchmark for Automatic Fact-checkers [121.53749383203792]
  本稿では,大規模言語モデル (LLM) 生成応答の事実性に注釈を付けるための総合的なエンドツーエンドソリューションを提案する。 オープンドメインの文書レベルの事実性ベンチマークを,クレーム,文,文書の3段階の粒度で構築する。 予備実験によると、FacTool、FactScore、Perplexityは虚偽の主張を識別するのに苦労している。
  論文  参考訳（メタデータ） (2023-11-15T14:41:57Z)
• Enabling and Analyzing How to Efficiently Extract Information from Hybrid Long Documents with LLMs [48.87627426640621]
  本研究は,財務報告から重要な情報を理解するために,大規模言語モデルの可能性を活用することに焦点を当てる。 財務報告から情報を理解し抽出するLLMの能力を高める自動財務情報抽出フレームワークを提案する。 本フレームワークは, GPT-3.5とGPT-4で有効に検証され, 平均精度は53.94%, 33.77%向上した。
  論文  参考訳（メタデータ） (2023-05-24T10:35:58Z)
• Towards Interpretable and Efficient Automatic Reference-Based Summarization Evaluation [160.07938471250048]
  解釈可能性と効率性は、ニューラル自動メトリクスを採用する上で重要な2つの考慮事項である。 我々は,参照ベース要約評価のための高性能自動メトリクスを開発する。
  論文  参考訳（メタデータ） (2023-03-07T02:49:50Z)
• LaundroGraph: Self-Supervised Graph Representation Learning for Anti-Money Laundering [5.478764356647437]
  LaundroGraphは、新しい教師付きグラフ表現学習アプローチである。 マネーロンダリング防止プロセスを支援するための洞察を提供する。 我々の知る限りでは、これはAML検出の文脈における最初の完全自己教師システムである。
  論文  参考訳（メタデータ） (2022-10-25T21:58:02Z)
• KPI-EDGAR: A Novel Dataset and Accompanying Metric for Relation Extraction from Financial Documents [1.7575422764391646]
  本稿では,Electronic Data Gathering, Analysis, and Retrieval (EDGAR)システムにアップロードされた財務報告に基づいて,共同名称のエンティティ認識と関係抽出のための新しいデータセットを提案する。 主な目的は、財務文書からキーパフォーマンス指標(KPI)を抽出し、それらの数値や他の属性にリンクすることである。 単語レベルの重み付け方式を従来のF1スコアに組み込むことで,抽出プロセスの成功度を計測する手法を提案する。
  論文  参考訳（メタデータ） (2022-10-17T15:06:20Z)
• KPI-BERT: A Joint Named Entity Recognition and Relation Extraction Model for Financial Reports [1.7575422764391646]
  変換器からの双方向表現(BERT)に基づくエンドツーエンドのトレーニング可能なアーキテクチャを提案する。 BERTは、リカレントニューラルネットワーク(RNN)と条件付きラベルマスクを組み合わせることで、関係を分類する前にエンティティをシーケンシャルにタグ付けする。 我々は、ドイツ財務報告の新しい実践的データセットにおいて、かなり高い予測性能を達成し、いくつかの強力なベースラインを上回ります。
  論文  参考訳（メタデータ） (2022-08-03T15:21:28Z)
• 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)
• Sparse Conditional Hidden Markov Model for Weakly Supervised Named Entity Recognition [68.68300358332156]
  雑音ラベリング機能を評価するために,スパース条件付き隠れマルコフモデル(Sparse-CHMM)を提案する。 Sparse-CHMMは、3段階のトレーニングパイプラインで教師なし学習によって最適化される。 5つの包括的なデータセットで平均F1スコアが3.01向上する。
  論文  参考訳（メタデータ） (2022-05-27T20:47:30Z)
• Learning Sampling in Financial Statement Audits using Vector Quantised Autoencoder Neural Networks [1.2205797997133396]
  本稿では,Vector Quantized-Variational Autoencoder (VQ-VAE) ニューラルネットワークの応用を提案する。 実世界の2つの決済データセットに基づいて、そのようなニューラルネットワークが会計データの定量化表現を学習できることを実証する。
  論文  参考訳（メタデータ） (2020-08-06T09:02:02Z)
• Gaussian process imputation of multiple financial series [71.08576457371433]
  金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。 金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
  論文  参考訳（メタデータ） (2020-02-11T19:18:18Z)

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。