Fugu-MT 論文翻訳(概要): Structure Diagram Recognition in Financial Announcements

論文の概要: Structure Diagram Recognition in Financial Announcements

arxiv url: http://arxiv.org/abs/2304.13240v2
Date: Mon, 1 May 2023 11:44:49 GMT
ステータス: 処理完了
システム内更新日: 2023-05-02 17:46:30.923401
Title: Structure Diagram Recognition in Financial Announcements
Title（参考訳）: 財務発表における構造図認識
Authors: Meixuan Qiao, Jun Wang, Junfu Xiang, Qiyu Hou, Ruixuan Li
Abstract要約: 本稿では,財務発表における構造図の認識方法を提案する。我々は,中国の金融発表から業界初の構造図のベンチマークを効率的に生成する2段階の手法を開発した。従来の手法に比べて,構造図認識手法の有意な性能上の利点を実験的に検証した。
参考スコア（独自算出の注目度）: 7.763515888324117
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Accurately extracting structured data from structure diagrams in financial announcements is of great practical importance for building financial knowledge graphs and further improving the efficiency of various financial applications. First, we proposed a new method for recognizing structure diagrams in financial announcements, which can better detect and extract different types of connecting lines, including straight lines, curves, and polylines of different orientations and angles. Second, we developed a two-stage method to efficiently generate the industry's first benchmark of structure diagrams from Chinese financial announcements, where a large number of diagrams were synthesized and annotated using an automated tool to train a preliminary recognition model with fairly good performance, and then a high-quality benchmark can be obtained by automatically annotating the real-world structure diagrams using the preliminary model and then making few manual corrections. Finally, we experimentally verified the significant performance advantage of our structure diagram recognition method over previous methods.
Abstract（参考訳）: 財務発表において構造図から正確な構造化データを抽出することは、財務知識グラフの構築と、様々な金融アプリケーションの効率の向上に非常に重要な課題である。まず,金融発表における構造図の認識手法を提案し,方向や角度の異なる直線,曲線,ポリラインなど,様々な種類の接続線をよりよく検出し抽出する手法を提案する。第2に,中国の金融発表から業界初となる構造図のベンチマークを効率的に生成する2段階の手法を開発し,多数のダイアグラムを合成・注釈付けし,かなり良好な性能で予備認識モデルを訓練し,その予備モデルを用いて実世界の構造図を自動的に注釈付けし,手作業による補正をほとんど行わない高品質なベンチマークを得ることができた。最後に,本手法を用いた構造図認識手法の有効性を実験的に検証した。

関連論文リスト

Hierarchical Knowledge Graph Construction from Images for Scalable E-Commerce [17.97354500453661]
生の製品画像から構造化された製品知識グラフを構築するための新しい手法を提案する。この手法は視覚言語モデル(VLM)と大規模言語モデル(LLM)の最近の進歩を協調的に活用する。
論文参考訳（メタデータ） (2024-10-28T17:34:05Z)
VectorGraphNET: Graph Attention Networks for Accurate Segmentation of Complex Technical Drawings [0.40964539027092917]
本稿では,PDF形式での技術図面からベクトルデータを抽出し,解析する手法を提案する。提案手法では,PDFファイルをSVGフォーマットに変換し,機能豊富なグラフ表現を生成する。次に、階層的なラベル定義を持つグラフアテンション変換器を適用し、正確な線レベルセグメンテーションを実現する。
論文参考訳（メタデータ） (2024-10-02T08:53:20Z)
Learning to Model Graph Structural Information on MLPs via Graph Structure Self-Contrasting [50.181824673039436]
本稿では,グラフ構造情報をメッセージパッシングなしで学習するグラフ構造自己コントラスト(GSSC)フレームワークを提案する。提案するフレームワークは,構造情報を事前知識として暗黙的にのみ組み込む,MLP(Multi-Layer Perceptrons)に基づいている。これはまず、近傍の潜在的非形式的あるいはノイズの多いエッジを取り除くために構造的スペーシングを適用し、その後、スペーシングされた近傍で構造的自己コントラストを行い、ロバストなノード表現を学ぶ。
論文参考訳（メタデータ） (2024-09-09T12:56:02Z)
A Structural Feature-Based Approach for Comprehensive Graph Classification [1.5020330976600735]
本稿では,基本グラフ構造特性に基づいて特徴ベクトルを構成する手法を提案する。これらの特徴は、単純さにもかかわらず、同じクラス内のグラフの本質的な特性を捉えるのに十分強力であることを示す。このアプローチの重要な利点は、その単純さです。これにより、幅広いアプリケーションにアクセスし、適応できます。
論文参考訳（メタデータ） (2024-08-10T07:59:43Z)
One-Shot Open Affordance Learning with Foundation Models [54.15857111929812]
私たちは、モデルがベースオブジェクトカテゴリ毎に1つの例でトレーニングされる、ワンショットのオープンアフォーダンスラーニング(OOAL)を紹介します。本稿では,視覚的特徴と手頃なテキスト埋め込みとの整合性を高める,シンプルで効果的な設計の視覚言語フレームワークを提案する。 2つのアベイランスセグメンテーションのベンチマーク実験により、提案手法はトレーニングデータの1%未満で最先端のモデルより優れていることが示された。
論文参考訳（メタデータ） (2023-11-29T16:23:06Z)
Enhancing Visually-Rich Document Understanding via Layout Structure Modeling [91.07963806829237]
レイアウトの知識をモデルに注入する新しい文書理解モデルであるGraphLMを提案する。我々は、FUNSD、XFUND、CORDなど様々なベンチマークでモデルを評価し、最先端の結果を得た。
論文参考訳（メタデータ） (2023-08-15T13:53:52Z)
Schema-aware Reference as Prompt Improves Data-Efficient Knowledge Graph Construction [57.854498238624366]
本稿では,データ効率のよい知識グラフ構築のためのRAP(Schema-Aware Reference As Prompt)の検索手法を提案する。 RAPは、人間の注釈付きおよび弱教師付きデータから受け継いだスキーマと知識を、各サンプルのプロンプトとして動的に活用することができる。
論文参考訳（メタデータ） (2022-10-19T16:40:28Z)
SubGraph Networks based Entity Alignment for Cross-lingual Knowledge Graph [7.892065498202909]
サブグラフネットワーク(SGN)手法をGCNベースの言語間KGエンティティアライメント手法に導入する。実験の結果,提案手法は最先端GCN法よりも優れていた。
論文参考訳（メタデータ） (2022-05-07T05:13:15Z)
Model-Agnostic Graph Regularization for Few-Shot Learning [60.64531995451357]
グラフ組み込み数ショット学習に関する包括的な研究を紹介します。本稿では,ラベル間のグラフ情報の組み込みによる影響をより深く理解できるグラフ正規化手法を提案する。提案手法は,Mini-ImageNetで最大2%,ImageNet-FSで6.7%の性能向上を実現する。
論文参考訳（メタデータ） (2021-02-14T05:28:13Z)
Algorithms for Learning Graphs in Financial Markets [5.735035463793008]
ラプラシアン構造制約下での無向グラフィカルモデル学習の基本問題について検討する。我々は,ラプラシアン行列を金融資産の精密行列のモデルとして用いるための実証的証拠によって裏付けられた自然な正当化を提案する。我々は,非方向重み付きグラフを学習するための乗算器の交互方向法に基づく数値アルゴリズムを設計する。
論文参考訳（メタデータ） (2020-12-31T02:48:35Z)
Exploiting Structured Knowledge in Text via Graph-Guided Representation Learning [73.0598186896953]
本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
論文参考訳（メタデータ） (2020-04-29T14:22:42Z)

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。