Fugu-MT 論文翻訳(概要): Economy Watchers Survey Provides Datasets and Tasks for Japanese Financial Domain

論文の概要: Economy Watchers Survey Provides Datasets and Tasks for Japanese Financial Domain

arxiv url: http://arxiv.org/abs/2407.14727v2
Date: Sun, 02 Feb 2025 04:25:35 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-04 16:04:35.356101
Title: Economy Watchers Survey Provides Datasets and Tasks for Japanese Financial Domain
Title（参考訳）: ファイナンシャル・ドメインのデータセットと課題 : 経済ウォッチャー調査
Authors: Masahiro Suzuki, Hiroki Sakaji,
Abstract要約: 英語と一般ドメインでの自然言語処理タスクは広く利用可能である。しかし、英語以外の言語や金融分野でのタスクは少ない。本研究では,日本中央庁が公表したデータを用いて,大規模データセットを2つ作成する。
参考スコア（独自算出の注目度）: 5.9001403107681405
License:
Abstract: Natural language processing (NLP) tasks in English and general domains are widely available and are often used to evaluate pre-trained language models. In contrast, fewer tasks are available for languages other than English and in the financial domain. Particularly, tasks in the Japanese and financial domains are limited. We develop two large datasets using data published by a Japanese central government agency. The datasets provide three Japanese financial NLP tasks, including 3- and 12-class classifications for categorizing sentences, along with a 5-class classification task for sentiment analysis. Our datasets are designed to be comprehensive and updated by leveraging an automatic update framework that ensures that the latest task datasets are publicly always available.
Abstract（参考訳）: 英語と一般ドメインでの自然言語処理(NLP)タスクは広く利用可能であり、事前訓練された言語モデルを評価するためにしばしば使用される。対照的に、英語以外の言語や金融分野でのタスクは少ない。特に日本と金融の分野での業務は限られている。本研究では,日本中央庁が公表したデータを用いて,大規模データセットを2つ作成する。これらのデータセットは,日本語の3つの財務的NLPタスクを提供し,文を分類する3クラスと12クラスの分類と,感情分析のための5クラスの分類タスクを提供する。私たちのデータセットは、最新のタスクデータセットが常に公開されていることを保証する自動更新フレームワークを活用することで、包括的で更新されるように設計されています。

関連論文リスト

BEADs: Bias Evaluation Across Domains [9.19312529999677]
Bias Evaluations Across Domains BEADsデータセットは、幅広いNLPタスクをサポートするように設計されています。本論文の重要な焦点は,GPT4でアノテートされたゴールドラベルデータセットである。この結果から,BEADは,このデータセットを微調整した場合に,多くのバイアスを効果的に識別できることが示唆された。
論文参考訳（メタデータ） (2024-06-06T16:18:30Z)
Natural Language Processing for Dialects of a Language: A Survey [56.93337350526933]
最先端自然言語処理(NLP)モデルは、大規模なトレーニングコーパスでトレーニングされ、評価データセットで最上位のパフォーマンスを報告します。この調査は、これらのデータセットの重要な属性である言語の方言を掘り下げる。方言データセットにおけるNLPモデルの性能劣化と言語技術のエクイティへのその影響を動機として,我々はデータセットやアプローチの観点から,方言に対するNLPの過去の研究を調査した。
論文参考訳（メタデータ） (2024-01-11T03:04:38Z)
XTREME-UP: A User-Centric Scarce-Data Benchmark for Under-Represented Languages [105.54207724678767]
データ不足は、多言語NLPシステムの開発において重要な問題である。我々はXTREME-UPを提案する。XTREME-UPはゼロショットではなく、希少なデータシナリオに焦点を当てたベンチマークである。 XTREME-UPは、88言語にまたがる言語モデルが、9つのキーとなるユーザー中心技術上で機能する能力を評価する。
論文参考訳（メタデータ） (2023-05-19T18:00:03Z)
AnnoLLM: Making Large Language Models to Be Better Crowdsourced Annotators [98.11286353828525]
GPT-3.5シリーズのモデルは、様々なNLPタスクにまたがる顕著な少数ショットとゼロショットの能力を示している。本稿では,2段階のアプローチを取り入れたAnnoLLMを提案する。我々はAnnoLLMを用いた対話型情報検索データセットを構築した。
論文参考訳（メタデータ） (2023-03-29T17:03:21Z)
Dim Wihl Gat Tun: The Case for Linguistic Expertise in NLP for Underdocumented Languages [6.8708103492634836]
何百もの未保存言語が、言語ドキュメントの取り組みから、インターリニアグロステキスト(IGT)という形でデータソースを提供している。ターゲット言語の専門知識が利用可能であれば、IGTデータをうまく活用できると仮定する。本研究は,Tsimchianic Language Gitksanのための形態的再帰システムの構築に関する事例研究を通じて,各ステップについて解説する。
論文参考訳（メタデータ） (2022-03-17T22:02:25Z)
Cross-Lingual Dialogue Dataset Creation via Outline-Based Generation [70.81596088969378]
言語間アウトラインに基づく対話データセット(COD)は、自然言語の理解を可能にする。 CODは、4つの異なる言語で対話状態の追跡とエンドツーエンドの対話モデリングと評価を可能にする。
論文参考訳（メタデータ） (2022-01-31T18:11:21Z)
GlobalWoZ: Globalizing MultiWoZ to Develop Multilingual Task-Oriented Dialogue Systems [66.92182084456809]
本稿では,英語のToDデータセットから大規模多言語ToDデータセットであるGlobalWoZを生成する新しいデータキュレーション手法を提案する。本手法は,対話テンプレートの翻訳と,対象国におけるローカルエンティティの充填に基づく。我々はデータセットと強力なベースラインのセットを公開し、実際のユースケースにおける多言語ToDシステムの学習を奨励します。
論文参考訳（メタデータ） (2021-10-14T19:33:04Z)
A Survey on Low-Resource Neural Machine Translation [106.51056217748388]
我々は、関連する作品を、使用した補助データに基づいて3つのカテゴリに分類する。私たちの調査は、研究者がこの分野をよりよく理解し、より良いアルゴリズムを設計するきっかけになることを期待しています。
論文参考訳（メタデータ） (2021-07-09T06:26:38Z)
Detecting ESG topics using domain-specific language models and data augmentation approaches [3.3332986505989446]
金融分野における自然言語処理タスクは、適切にラベル付けされたデータのあいまいさのため、依然として困難なままである。本稿では,これらの問題を緩和するための2つのアプローチについて検討する。まず、ビジネスおよび財務ニュースから大量のドメイン内データを用いて、さらなる言語モデルの事前学習実験を行う。次に、モデル微調整のためのデータセットのサイズを増やすために拡張アプローチを適用します。
論文参考訳（メタデータ） (2020-10-16T11:20:07Z)
Low resource language dataset creation, curation and classification: Setswana and Sepedi -- Extended Abstract [2.3801001093799115]
SetswanaとSepediのニュースの見出しに焦点を当てたデータセットを作成します。分類のためのベースラインを提案し,低リソース言語に適したデータ拡張手法について検討する。
論文参考訳（メタデータ） (2020-03-30T18:03:15Z)
Investigating an approach for low resource language dataset creation, curation and classification: Setswana and Sepedi [2.3801001093799115]
SetswanaとSepediのニュースの見出しに焦点を当てたデータセットを作成します。ニューストピックの分類タスクも作成します。本稿では,低リソース言語に適したデータ拡張手法について検討する。
論文参考訳（メタデータ） (2020-02-18T13:58:06Z)

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。