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

• Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
  本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。 実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
  論文  参考訳（メタデータ） (2024-06-05T20:19:09Z)
• EFSA: Towards Event-Level Financial Sentiment Analysis [27.45063543020029]
  我々は、金融感情分析(FSA)をイベントレベルにまで拡張する。 粗大なイベントカテゴリと細粒なイベントカテゴリからなる分類を設計する。 12,160ドルのニュース記事と13,725ドルのクインタプルを含む大規模な中国のデータセットが、私たちのタスクの新たなテストベッドとして公開されています。
  論文  参考訳（メタデータ） (2024-04-08T07:36:26Z)
• 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)
• Fin-Fact: A Benchmark Dataset for Multimodal Financial Fact Checking and Explanation Generation [26.573578326262307]
  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)
• 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)

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。