論文の概要: REFinD: Relation Extraction Financial Dataset

• arxiv url: http://arxiv.org/abs/2305.18322v1
• Date: Mon, 22 May 2023 22:40:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-04 11:30:49.391970
• Title: REFinD: Relation Extraction Financial Dataset
• Title（参考訳）: REFinD:関係抽出金融データセット
• Authors: Simerjot Kaur, Charese Smiley, Akshat Gupta, Joy Sain, Dongsheng Wang, Suchetha Siddagangappa, Toyin Aguda, Sameena Shah
• Abstract要約: 提案するREFinDは,$sim$29Kのインスタンスと8種類のエンティティペア間の22のリレーションを持つ,最初の大規模アノテートされた関係データセットである。 様々な最先端ディープラーニングモデルが,数値推論,関係性,方向性のあいまいさに悩まされていることを観察した。
• 参考スコア（独自算出の注目度）: 7.207699035400335
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: A number of datasets for Relation Extraction (RE) have been created to aide downstream tasks such as information retrieval, semantic search, question answering and textual entailment. However, these datasets fail to capture financial-domain specific challenges since most of these datasets are compiled using general knowledge sources such as Wikipedia, web-based text and news articles, hindering real-life progress and adoption within the financial world. To address this limitation, we propose REFinD, the first large-scale annotated dataset of relations, with $\sim$29K instances and 22 relations amongst 8 types of entity pairs, generated entirely over financial documents. We also provide an empirical evaluation with various state-of-the-art models as benchmarks for the RE task and highlight the challenges posed by our dataset. We observed that various state-of-the-art deep learning models struggle with numeric inference, relational and directional ambiguity.
• Abstract（参考訳）: リレーショナル抽出(RE)のための多くのデータセットが作成され、情報検索、セマンティック検索、質問応答、テキスト・エンターテイメントなどの下流タスクを支援する。 しかし、これらのデータセットはwikipedia、webベースのテキスト、ニュース記事といった一般的な知識ソースを使用してコンパイルされるため、金融ドメイン固有の課題を捉えられません。 この制限に対処するために、最初の大規模アノテートされた関係データセットであるREFinDを提案し、$\sim$29Kインスタンスと8種類のエンティティペア間の22の関係を、完全に財務文書上で生成する。 また、REタスクのベンチマークとして、さまざまな最先端モデルを用いて実証評価を行い、データセットがもたらす課題を強調します。 我々は、さまざまな最先端ディープラーニングモデルが数値推論やリレーショナル、方向曖昧性に苦しむことを観察した。

関連論文リスト

• SciER: An Entity and Relation Extraction Dataset for Datasets, Methods, and Tasks in Scientific Documents [49.54155332262579]
  我々は,科学論文のデータセット,メソッド,タスクに関連するエンティティに対して,新たなエンティティと関係抽出データセットをリリースする。 我々のデータセットには、24k以上のエンティティと12kの関係を持つ106の注釈付きフルテキストの科学出版物が含まれています。
  論文  参考訳（メタデータ） (2024-10-28T15:56:49Z)
• DiscoveryBench: Towards Data-Driven Discovery with Large Language Models [50.36636396660163]
  我々は、データ駆動探索の多段階プロセスを形式化する最初の包括的なベンチマークであるDiscoveryBenchを紹介する。 我々のベンチマークには、社会学や工学などの6つの分野にまたがる264のタスクが含まれている。 私たちのベンチマークでは、自律的なデータ駆動型発見の課題を説明し、コミュニティが前進するための貴重なリソースとして役立ちます。
  論文  参考訳（メタデータ） (2024-07-01T18:58:22Z)
• FinLLMs: A Framework for Financial Reasoning Dataset Generation with Large Language Models [12.367548338910744]
  FinLLMs は,大規模言語モデルを用いた共通財務式に基づく財務質問応答データを生成する手法である。 本研究では、FinLLMsによって生成された合成データが、金融分野における大規模数値推論モデルの性能を効果的に向上することを示した。
  論文  参考訳（メタデータ） (2024-01-19T15:09:39Z)
• FinDiff: Diffusion Models for Financial Tabular Data Generation [5.824064631226058]
  FinDiffは、さまざまな規制下流タスクのための現実世界の財務データを生成するために設計された拡散モデルである。 3つの実世界の財務データセットを用いて、最先端のベースラインモデルに対して評価される。
  論文  参考訳（メタデータ） (2023-09-04T09:30:15Z)
• iMETRE: Incorporating Markers of Entity Types for Relation Extraction [0.0]
  文レベルの関係抽出は、文脈文が与えられた2つのエンティティ間の関係を特定することを目的としている。 本稿では,金融データセットREFinDにおける関係抽出の課題にアプローチする。
  論文  参考訳（メタデータ） (2023-06-30T20:54:41Z)
• MMSum: A Dataset for Multimodal Summarization and Thumbnail Generation of Videos [106.06278332186106]
  マルチモーダル・アウトプット(MSMO)を用いたマルチモーダル・サマリゼーションが有望な研究方向として浮上している。 既存のパブリックMSMOデータセットには多くの制限がある。 textbfMMSumデータセットを精巧にキュレートした。
  論文  参考訳（メタデータ） (2023-06-07T07:43:11Z)
• FinRED: A Dataset for Relation Extraction in Financial Domain [23.700539609170015]
  FinREDは金融ニュースから収集された関係抽出データセットであり、金融ドメインから関係を含むコールスクリプティングを取得する。 一般関係抽出データセットと比較してFinREDの性能は著しく低下している。
  論文  参考訳（メタデータ） (2023-06-06T14:52:47Z)
• Modeling Entities as Semantic Points for Visual Information Extraction in the Wild [55.91783742370978]
  文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。 我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。 提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2023-03-23T08:21:16Z)
• 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)
• Learning from Context or Names? An Empirical Study on Neural Relation Extraction [112.06614505580501]
  テキストにおける2つの主要な情報ソースの効果について検討する:テキストコンテキストとエンティティ参照(名前) 本稿では,関係抽出のための実体型コントラスト事前学習フレームワーク(RE)を提案する。 我々のフレームワークは、異なるREシナリオにおけるニューラルモデルの有効性と堅牢性を改善することができる。
  論文  参考訳（メタデータ） (2020-10-05T11:21:59Z)

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。