論文の概要: Fin-Fact: A Benchmark Dataset for Multimodal Financial Fact Checking and Explanation Generation

• arxiv url: http://arxiv.org/abs/2309.08793v2
• Date: Wed, 1 May 2024 21:44:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-03 22:20:15.568875
• Title: Fin-Fact: A Benchmark Dataset for Multimodal Financial Fact Checking and Explanation Generation
• Title（参考訳）: Fin-Fact:マルチモーダルファイナンシャル・ファクトチェックと説明生成のためのベンチマークデータセット
• Authors: Aman Rangapur, Haoran Wang, Ling Jian, Kai Shu,
• Abstract要約: Fin-Factは金融ドメイン内のマルチモーダル事実チェックのためのベンチマークデータセットである。 専門的なファクトチェッカーアノテーションと正当化が含まれ、専門知識と信頼性を提供する。
• 参考スコア（独自算出の注目度）: 26.573578326262307
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fact-checking in financial domain is under explored, and there is a shortage of quality dataset in this domain. In this paper, we propose Fin-Fact, a benchmark dataset for multimodal fact-checking within the financial domain. Notably, it includes professional fact-checker annotations and justifications, providing expertise and credibility. With its multimodal nature encompassing both textual and visual content, Fin-Fact provides complementary information sources to enhance factuality analysis. Its primary objective is combating misinformation in finance, fostering transparency, and building trust in financial reporting and news dissemination. By offering insightful explanations, Fin-Fact empowers users, including domain experts and end-users, to understand the reasoning behind fact-checking decisions, validating claim credibility, and fostering trust in the fact-checking process. The Fin-Fact dataset, along with our experimental codes is available at https://github.com/IIT-DM/Fin-Fact/.
• Abstract（参考訳）: 金融分野のファクトチェックは検討中であり、この領域には品質データセットが不足している。 本稿では,金融分野におけるマルチモーダルなファクトチェックのためのベンチマークデータセットであるFin-Factを提案する。 特に、プロのファクトチェッカーアノテーションと正当化が含まれ、専門知識と信頼性を提供する。 テキストコンテンツと視覚コンテンツの両方を含むマルチモーダルな性質により、Fin-Factは事実分析を強化するために補完的な情報ソースを提供する。 その主な目的は、財務における誤った情報との戦い、透明性の育成、財務報告とニュース拡散に対する信頼の構築である。 洞察に富んだ説明を提供することで、Fin-Factは、ドメインの専門家やエンドユーザを含むユーザに対して、事実確認決定の背後にある理由の理解、クレームの信頼性の検証、事実確認プロセスにおける信頼の促進を可能にします。 Fin-Factデータセットは、実験コードとともにhttps://github.com/IIT-DM/Fin-Fact/.comで利用可能です。

関連論文リスト

• 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)
• PIXIU: A Large Language Model, Instruction Data and Evaluation Benchmark for Finance [63.51545277822702]
  PIXIUは、命令データ付き微調整LLaMAに基づく最初の金融大規模言語モデル(LLM)を含む包括的なフレームワークである。 我々はLLaMAを細調整してFinMAを提案する。 我々は、FinMAと既存のLLMを詳細に分析し、重要な財政課題に対処する際の長所と短所を明らかにする。
  論文  参考訳（メタデータ） (2023-06-08T14:20:29Z)
• 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)
• Measuring Consistency in Text-based Financial Forecasting Models [10.339586273664725]
  FinTrustは財務文書の論理的一貫性を評価する評価ツールである。 金融予測のための最先端NLPモデルの整合性は乏しいことを示す。 意味保存による性能劣化の分析は,現在のテキストベースの手法が市場情報の堅牢な予測に適していないことを示唆している。
  論文  参考訳（メタデータ） (2023-05-15T10:32:26Z)
• 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)
• Fact Check: Analyzing Financial Events from Multilingual News Sources [22.504723681328507]
  ディープラーニングモデルを用いたWebベースのニュースアグリゲータであるFactCheck in Financeを提案する。 トランスフォーマーベースのファクトチェッカーを用いてニュース記事の信頼性を調べるためのWebインターフェースを提供する。 ファクトチェッカーの性能は、合併・買収(M&A)イベントに関連するデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2021-06-29T10:05:47Z)
• Insights into Fairness through Trust: Multi-scale Trust Quantification for Financial Deep Learning [94.65749466106664]
  金融深層学習において探求されていない公平性の基本的な側面は、信頼の概念である。 クレジットカードのデフォルト予測のために,ディープニューラルネットワーク上でマルチスケール信頼度定量化を行う。
  論文  参考訳（メタデータ） (2020-11-03T19:05:07Z)

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。