論文の概要: FinEntity: Entity-level Sentiment Classification for Financial Texts
- arxiv url: http://arxiv.org/abs/2310.12406v1
- Date: Thu, 19 Oct 2023 01:38:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-20 17:28:11.867768
- Title: FinEntity: Entity-level Sentiment Classification for Financial Texts
- Title(参考訳): finentity:金融テキストのエンティティレベルの感情分類
- Authors: Yixuan Tang, Yi Yang, Allen H Huang, Andy Tam, Justin Z Tang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 15.467477195487763
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the financial domain, conducting entity-level sentiment analysis is
crucial for accurately assessing the sentiment directed toward a specific
financial entity. To our knowledge, no publicly available dataset currently
exists for this purpose. In this work, we introduce an entity-level sentiment
classification dataset, called \textbf{FinEntity}, that annotates financial
entity spans and their sentiment (positive, neutral, and negative) in financial
news. We document the dataset construction process in the paper. Additionally,
we benchmark several pre-trained models (BERT, FinBERT, etc.) and ChatGPT on
entity-level sentiment classification. In a case study, we demonstrate the
practical utility of using FinEntity in monitoring cryptocurrency markets. The
data and code of FinEntity is available at
\url{https://github.com/yixuantt/FinEntity}
- Abstract(参考訳): 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には、エンティティレベルの感情分析が不可欠である。
我々の知る限り、この目的のために現在公開されているデータセットは存在しない。
本研究は,金融ニュースにおいて,金融エンティティと,その感情(肯定的,中立的,否定的)をアノテートするエンティティレベルの感情分類データセットである「textbf{FinEntity}」を紹介する。
論文にデータセット構築プロセスを文書化する。
さらに、エンティティレベルの感情分類において、事前訓練されたモデル(BERT、FinBERTなど)とChatGPTをベンチマークする。
そこで本研究では,暗号通貨市場監視におけるフィンエンティティの利用の実際的有用性を示す。
FinEntityのデータとコードは、 \url{https://github.com/yixuantt/FinEntity} で入手できる。
関連論文リスト
- Fin-Fact: A Benchmark Dataset for Multimodal Financial Fact Checking and
Explanation Generation [31.24530091590395]
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。
論文 参考訳(メタデータ) (2023-09-15T22:24:00Z) - FinTree: Financial Dataset Pretrain Transformer Encoder for Relation
Extraction [0.0]
ファイナンシャルデータセット上でFinTreeを事前トレーニングし、財務タスクのモデルを適用します。
FinTreeは、従来のドメイントークンの代わりにマスク付きトークンを予測する新しい構造で際立っている。
我々の実験は、FinTreeが大規模な財務関係抽出データセットであるREFinDより優れていることを示した。
論文 参考訳(メタデータ) (2023-07-26T01:48:52Z) - 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) - SEntFiN 1.0: Entity-Aware Sentiment Analysis for Financial News [0.03018439717785794]
SentFiN 1.0は10,753のニュースヘッドラインとエンティティ・センチメント・アノテーションを備えた人為的注釈付きデータセットです。
本稿では,表現に基づくアプローチではなく,特徴に基づくアプローチを用いて,エンティティ関連感情の抽出を可能にするフレームワークを提案する。
論文 参考訳(メタデータ) (2023-05-20T18:20:39Z) - Dynamic Datasets and Market Environments for Financial Reinforcement
Learning [68.11692837240756]
FinRL-Metaは、現実世界の市場からジムスタイルの市場環境へ動的データセットを処理するライブラリである。
我々は,ユーザが新しい取引戦略を設計するための足場として,人気のある研究論文を例示し,再現する。
また、ユーザが自身の結果を視覚化し、相対的なパフォーマンスを評価するために、このライブラリをクラウドプラットフォームにデプロイします。
論文 参考訳(メタデータ) (2023-04-25T22:17:31Z) - WHEN FLUE MEETS FLANG: Benchmarks and Large Pre-trained Language Model
for Financial Domain [42.093876880881886]
ドメイン固有型金融LANGuageモデル(FLANG)を提案する。
ファイナンシャルキーワードとフレーズを使用して、スパン境界目的とインフィリング目的ととともに、マスキングを改善する。
私たちのモデル、コード、ベンチマークデータはGithubとHuggingfaceで公開されています。
論文 参考訳(メタデータ) (2022-10-31T18:35:18Z) - Entity Cloze By Date: What LMs Know About Unseen Entities [79.34707800653597]
言語モデル(LM)は通常、大規模なコーパスで一度訓練され、更新されずに数年間使用される。
本研究では,LMの事前学習時に存在しなかった新しいエンティティについて,LMがどのような推論ができるのかを解析する枠組みを提案する。
本論文は,その発祥日によって索引付けされたエンティティのデータセットを,英語のウィキペディア記事と組み合わせて作成し,各エンティティに関する文章を検索する。
論文 参考訳(メタデータ) (2022-05-05T17:59:31Z) - 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) - 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) - GFTE: Graph-based Financial Table Extraction [66.26206038522339]
金融業界や他の多くの分野において、表は構造化されていないデジタルファイル、例えばポータブル文書フォーマット(PDF)や画像でしばしば開示される。
我々はFinTabという中国の標準データセットを公開しています。
今後の比較のためのベースラインとしてGFTEという新しいグラフベースの畳み込みネットワークモデルを提案する。
論文 参考訳(メタデータ) (2020-03-17T07:10:05Z)
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。