論文の概要: Detection of Temporality at Discourse Level on Financial News by Combining Natural Language Processing and Machine Learning
- arxiv url: http://arxiv.org/abs/2404.01337v1
- Date: Sat, 30 Mar 2024 16:40:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-03 21:06:49.605812
- Title: Detection of Temporality at Discourse Level on Financial News by Combining Natural Language Processing and Machine Learning
- Title（参考訳）: 自然言語処理と機械学習を組み合わせた金融ニュースの談話レベルの時間差検出
- Authors: Silvia García-Méndez, Francisco de Arriba-Pérez, Ana Barros-Vila, Francisco J. González-Castaño,
- Abstract要約: Bloomberg News、CNN Business、Forbesといった金融関連のニュースは、市場スクリーニングシステムにとって貴重なデータ源である。
談話レベルでの財務関連ニュースの時間性を検出する新しいシステムを提案する。
この分野の知識を持つ研究者によって注釈付けされた金融関連ニュースのラベル付きデータセットを用いて,本システムを検証した。
- 参考スコア（独自算出の注目度）: 8.504685056067144
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Finance-related news such as Bloomberg News, CNN Business and Forbes are valuable sources of real data for market screening systems. In news, an expert shares opinions beyond plain technical analyses that include context such as political, sociological and cultural factors. In the same text, the expert often discusses the performance of different assets. Some key statements are mere descriptions of past events while others are predictions. Therefore, understanding the temporality of the key statements in a text is essential to separate context information from valuable predictions. We propose a novel system to detect the temporality of finance-related news at discourse level that combines Natural Language Processing and Machine Learning techniques, and exploits sophisticated features such as syntactic and semantic dependencies. More specifically, we seek to extract the dominant tenses of the main statements, which may be either explicit or implicit. We have tested our system on a labelled dataset of finance-related news annotated by researchers with knowledge in the field. Experimental results reveal a high detection precision compared to an alternative rule-based baseline approach. Ultimately, this research contributes to the state-of-the-art of market screening by identifying predictive knowledge for financial decision making.
- Abstract（参考訳）: Bloomberg News、CNN Business、Forbesといった金融関連のニュースは、市場スクリーニングシステムにとって貴重なデータ源である。
ニュースの中では、専門家は、政治的、社会学的、文化的要因などの文脈を含む、普通の技術分析以上の意見を共有する。
同じテキストで、専門家は、しばしば異なる資産のパフォーマンスについて論じる。
いくつかの重要な言明は過去の出来事の単なる記述であり、他の言明は予測である。
したがって,テキスト中のキー文の時間性を理解することは,文脈情報を価値ある予測から切り離すのに不可欠である。
本稿では,自然言語処理技術と機械学習技術を組み合わせた談話レベルでの金融関連ニュースの時間性を検出するシステムを提案する。
より具体的には、主文の支配的な時制を抽出しようとしており、これは明示的あるいは暗黙的であるかもしれない。
この分野の知識を持つ研究者によって注釈付けされた金融関連ニュースのラベル付きデータセットを用いて,本システムを検証した。
実験により、代替ルールベースのベースラインアプローチと比較して高い検出精度が示された。
最終的に、この研究は、金融決定のための予測的知識を特定することによって、市場スクリーニングの最先端に寄与する。
関連論文リスト
- Context is Key: A Benchmark for Forecasting with Essential Textual Information [87.3175915185287]
コンテキスト・イズ・キー (Context is Key) (CiK) は、時系列予測ベンチマークであり、様々な種類のテキストコンテキストと数値データをペアリングする。
我々は,統計モデル,時系列基礎モデル,LLMに基づく予測モデルなど,さまざまなアプローチを評価する。
実験では、文脈情報の導入の重要性を強調し、LLMに基づく予測モデルを用いた場合の驚くべき性能を示すとともに、それらの重要な欠点を明らかにした。
論文 参考訳（メタデータ） (2024-10-24T17:56:08Z) - Automatic detection of relevant information, predictions and forecasts in financial news through topic modelling with Latent Dirichlet Allocation [9.059679096341474]
我々は、関連するテキストを特定するための財務ニュースの分析と、そのテキストの中で予測と予測に焦点を当てる。
本稿では、投資家が関連する金融事象を検出するのを支援するために、新たな自然言語処理(NLP)システムを提案する。
論文 参考訳（メタデータ） (2024-03-30T17:49:34Z) - Targeted aspect-based emotion analysis to detect opportunities and precaution in financial Twitter messages [8.504685056067144]
同じツイートで、異なる株式市場資産の金銭的感情(肯定的、否定的な予測)を個別に識別できる新たなTABEA(Targeted Aspect-Based Emotion Analysis)システムを提案する。
自然言語処理(NLP)技術と機械学習ストリーミングアルゴリズムに基づいている。
ターゲットの感情、財務的機会、そしてTwitterの予防のために90%以上の精度を達成している。
論文 参考訳（メタデータ） (2024-03-30T16:46:25Z) - Detection of financial opportunities in micro-blogging data with a stacked classification system [6.817247544942709]
ツイートの肯定的な予測を検知する新しいシステムを提案する。
具体的には、金融業者にかなりの量のツイートを提示するために、高い検出精度を求める。
3層積み重ね機械学習の分類システムで実現した。
論文 参考訳（メタデータ） (2024-03-29T12:23:44Z) - 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) - Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News
Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。
我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文 参考訳（メタデータ） (2023-09-28T13:19:43Z) - Textual Entailment Recognition with Semantic Features from Empirical
Text Representation [60.31047947815282]
テキストが仮説を包含するのは、仮説の真の価値がテキストに従う場合に限る。
本稿では,テキストと仮説のテキストの包含関係を同定する新しい手法を提案する。
本手法では,テキスト・ハイブリッド・ペア間の意味的含意関係を識別できる要素ワイド・マンハッタン距離ベクトルベースの特徴を用いる。
論文 参考訳（メタデータ） (2022-10-18T10:03:51Z) - Citation Trajectory Prediction via Publication Influence Representation
Using Temporal Knowledge Graph [52.07771598974385]
既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。
本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。
APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
論文 参考訳（メタデータ） (2022-10-02T07:43:26Z) - Financial data analysis application via multi-strategy text processing [0.2741266294612776]
本稿では、主に中国A株会社の株価取引データとニュースに焦点を当てる。
本稿では,自然言語処理(NLP)と知識グラフ(KG)技術を用いた金融テキスト処理アプリケーションシナリオの深層学習に向けた取り組みと計画について述べる。
論文 参考訳（メタデータ） (2022-04-25T01:56:36Z) - Text analysis in financial disclosures [0.0]
会社の財務情報開示の殆どは、構造化されていないテキストである。
研究者は最近、情報開示のテキストコンテンツを分析し始めた。
この研究は、現在の感情指標の焦点の限界を強調して、開示分析方法に寄与する。
論文 参考訳（メタデータ） (2021-01-06T17:45:40Z) - Improving Machine Reading Comprehension with Contextualized Commonsense
Knowledge [62.46091695615262]
我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。
構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。
我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
論文 参考訳（メタデータ） (2020-09-12T17:20:01Z)
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。