論文の概要: Learning Semantic Text Similarity to rank Hypernyms of Financial Terms
- arxiv url: http://arxiv.org/abs/2303.13475v1
- Date: Mon, 20 Mar 2023 16:53:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 13:02:52.579634
- Title: Learning Semantic Text Similarity to rank Hypernyms of Financial Terms
- Title（参考訳）: 財務用語のランクハイパーニムと意味テキストの類似性を学ぶ
- Authors: Sohom Ghosh, Ankush Chopra, Sudip Kumar Naskar
- Abstract要約: 本稿では,財務用語のハイパニムを抽出・ランク付けできるシステムを提案する。
このシステムは、DBpediaのような様々な情報源から得られた財務的なテキストコーパスで訓練されている。
負のサンプルでトレーニングセットを増強するために、新しいアプローチが使用されている。
- 参考スコア（独自算出の注目度）: 0.6101839518775969
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Over the years, there has been a paradigm shift in how users access financial
services. With the advancement of digitalization more users have been
preferring the online mode of performing financial activities. This has led to
the generation of a huge volume of financial content. Most investors prefer to
go through these contents before making decisions. Every industry has terms
that are specific to the domain it operates in. Banking and Financial Services
are not an exception to this. In order to fully comprehend these contents, one
needs to have a thorough understanding of the financial terms. Getting a basic
idea about a term becomes easy when it is explained with the help of the broad
category to which it belongs. This broad category is referred to as hypernym.
For example, "bond" is a hypernym of the financial term "alternative
debenture". In this paper, we propose a system capable of extracting and
ranking hypernyms for a given financial term. The system has been trained with
financial text corpora obtained from various sources like DBpedia [4],
Investopedia, Financial Industry Business Ontology (FIBO), prospectus and so
on. Embeddings of these terms have been extracted using FinBERT [3], FinISH [1]
and fine-tuned using SentenceBERT [54]. A novel approach has been used to
augment the training set with negative samples. It uses the hierarchy present
in FIBO. Finally, we benchmark the system performance with that of the existing
ones. We establish that it performs better than the existing ones and is also
scalable.
- Abstract（参考訳）: 長年にわたり、ユーザーが金融サービスにアクセスする方法にパラダイムシフトがあった。
デジタル化の進展により、より多くのユーザーが金融活動を行うオンラインモードを好んでいる。
これにより、膨大な量の財務コンテンツが生み出された。
ほとんどの投資家は決定を下す前にこれらの内容を通すことを好む。
どの業界にも、それが運営するドメイン特有の用語があります。
銀行や金融サービスは例外ではない。
これらの内容を完全に理解するためには、財務条件を十分に理解する必要がある。
ある用語について基本的な考えを得ることは、それが属する広いカテゴリーの助けを借りて説明すると簡単になる。
この広いカテゴリはhypernymと呼ばれる。
例えば、"bond" は金融用語 "alternative debenture" のハイパーニムである。
本稿では,金融用語のハイパーニムを抽出・ランク付けするシステムを提案する。
本システムは、DBpedia[4]、Investopedia、FiBO(Financial Industry Business Ontology)、prospectusなど、さまざまな情報源から得られた財務文書コーパスを用いて訓練されている。
これらの用語の埋め込みは FinBERT [3], FinISH [1] を用いて抽出され, SentenceBERT [54] を用いて微調整されている。
負のサンプルでトレーニングセットを増強するために、新しいアプローチが使用されている。
FIBOの階層構造を用いる。
最後に,システム性能を既存システムと比較する。
既存のものよりもパフォーマンスが良く、スケーラブルであることを確認します。
関連論文リスト
- A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges [60.546677053091685]
大規模言語モデル(LLM)は金融分野における機械学習アプリケーションに新たな機会を開放した。
我々は、従来のプラクティスを変革し、イノベーションを促進する可能性に焦点を当て、様々な金融業務におけるLLMの適用について検討する。
本稿では,既存の文献を言語タスク,感情分析,財務時系列,財務推論,エージェントベースモデリング,その他の応用分野に分類するための調査を紹介する。
論文 参考訳（メタデータ） (2024-06-15T16:11:35Z) - 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) - FinBen: A Holistic Financial Benchmark for Large Language Models [75.09474986283394]
FinBenは、24の財務タスクにまたがる36のデータセットを含む、最初の大規模なオープンソース評価ベンチマークである。
FinBenは、幅広いタスクとデータセット、ストックトレーディングの最初の評価、新しいエージェントと検索可能な生成(RAG)の評価、およびテキスト要約、質問応答、株式トレーディングのための3つの新しいオープンソース評価データセットを提供する。
論文 参考訳（メタデータ） (2024-02-20T02:16:16Z) - FinEntity: Entity-level Sentiment Classification for Financial Texts [15.467477195487763]
金融分野では、特定の金融機関に対する感情を正確に評価するために、エンティティレベルの感情分析を行うことが不可欠である。
ファイナンシャル・ニュースにおけるエンティティレベルの感情分類データセットであるtextbfFinEntityを導入する。
論文 参考訳（メタデータ） (2023-10-19T01:38:40Z) - DICoE@FinSim-3: Financial Hypernym Detection using Augmented Terms and
Distance-based Features [2.6599014990168834]
金融分野における意味的類似を学習する第3の共有タスクであるFinSim-3に、チームDICoEを提出する。
このタスクは金融分野における一連の用語を提供し、金融オントロジーから最も関連性の高いハイパーネムに分類する必要がある。
私たちの最高の成績は、タスクのリーダーボードで4位にランクインした。
論文 参考訳（メタデータ） (2021-09-30T08:01:48Z) - 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) - Term Expansion and FinBERT fine-tuning for Hypernym and Synonym Ranking
of Financial Terms [0.0]
本稿では,ハイパニムと同義語対応問題を解くシステムを提案する。
IJCAI-2021におけるFinNLPワークショップの共有作業であるFinSim-3に参加するために,これらのシステムを設計した。
我々の最高のパフォーマンスモデル(精度:0.917、ランク:1.156)は、FIBOのラベル階層を用いて作成された拡張ラベルセット上で、微調整されたSentenceBERT(Reimers et al., 2019)によって開発された。
論文 参考訳（メタデータ） (2021-07-29T06:17:44Z) - JSI at the FinSim-2 task: Ontology-Augmented Financial Concept
Classification [2.2559617939136505]
オントロジはここ数年、機械推論にますます使われています。
本稿では,財務領域の分類問題に対するオントロジーの実践的利用について述べる。
本稿では,与えられた概念を上記の説明にマッピングし,最も関連性の高いハイパーネムをグラフ検索する手法を提案する。
論文 参考訳（メタデータ） (2021-06-17T03:56:15Z) - FinMatcher at FinSim-2: Hypernym Detection in the Financial Services
Domain using Knowledge Graphs [1.2891210250935146]
本稿では、FinMatcherシステムとそのFinSim 2021共有タスクの結果について述べる。
FinSim-2共有タスクは、金融サービスドメインの一連の概念ラベルで構成されています。
ゴールは、与えられた概念セットから最も関連するトップレベル概念を見つけることである。
論文 参考訳（メタデータ） (2021-03-02T08:56:28Z) - Supporting Financial Inclusion with Graph Machine Learning and Super-App
Alternative Data [63.942632088208505]
スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。
本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
論文 参考訳（メタデータ） (2021-02-19T15:13:06Z) - NLP in FinTech Applications: Past, Present and Future [50.27357144360525]
金融分野における自然言語処理(NLP)技術の適用に関する研究に焦点をあてる。
アプリケーションシナリオは、Know Your Customer(KYC)、Know Your Product(KYP)、Satify Your Customer(SYC)の3つの側面から見ていきます。
論文 参考訳（メタデータ） (2020-05-04T08:37:27Z)
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。