Fugu-MT 論文翻訳(概要): Summarization of Investment Reports Using Pre-trained Model

論文の概要: Summarization of Investment Reports Using Pre-trained Model

arxiv url: http://arxiv.org/abs/2408.01744v1
Date: Sat, 3 Aug 2024 11:04:04 GMT
ステータス: 処理完了
システム内更新日: 2024-08-06 18:40:53.511246
Title: Summarization of Investment Reports Using Pre-trained Model
Title（参考訳）: 事前学習モデルによる投資報告の要約
Authors: Hiroki Sakaji, Ryotaro Kobayashi, Kiyoshi Izumi, Hiroyuki Mitsugi, Wataru Kuramoto,
Abstract要約: トランスフォーマーモデルを用いた月次レポートからの投資要約に取り組む。要約法には、抽出的要約と抽象的要約の2つの主な種類がある。
参考スコア（独自算出の注目度）: 4.149024112904178
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In this paper, we attempt to summarize monthly reports as investment reports. Fund managers have a wide range of tasks, one of which is the preparation of investment reports. In addition to preparing monthly reports on fund management, fund managers prepare management reports that summarize these monthly reports every six months or once a year. The preparation of fund reports is a labor-intensive and time-consuming task. Therefore, in this paper, we tackle investment summarization from monthly reports using transformer-based models. There are two main types of summarization methods: extractive summarization and abstractive summarization, and this study constructs both methods and examines which is more useful in summarizing investment reports.
Abstract（参考訳）: 本稿では,月報を投資報告として要約する。ファンドマネジャーには幅広いタスクがあり、そのうちの1つは投資報告の準備である。ファンドマネージメントに関する月次報告書の作成に加えて、ファンドマネジャーは、これらの月次レポートを6ヶ月ないし1年に1回まとめるマネジメントレポートを準備している。予算報告の準備は労働集約的で時間を要する作業である。そこで本稿では,トランスフォーマーモデルを用いた月次レポートからの投資要約に取り組む。抽出的要約法と抽象的要約法には2つの主要な種類があるが,本研究は,投資報告の要約に有用である手法と試験の両方を構築した。

関連論文リスト

Multi-modal Retrieval Augmented Multi-modal Generation: A Benchmark, Evaluate Metrics and Strong Baselines [63.427721165404634]
本稿では,マルチモーダル検索拡張マルチモーダル生成(M$2$RAG)の興味深い課題について検討する。このタスクでは,複数モーダルなWebページを閲覧し,テキストと画像が混在し,ユーザクエリを解決するためのマルチモーダルな応答を生成するための基礎モデルが必要である。我々は,M$2$RAGタスクのベンチマークを構築し,既存の基礎モデルの能力を分析するために,テキストモーダルメトリクスとマルチモーダルメトリクスのセットを備える。
論文参考訳（メタデータ） (2024-11-25T13:20:19Z)
Meta-RTL: Reinforcement-Based Meta-Transfer Learning for Low-Resource Commonsense Reasoning [61.8360232713375]
低リソースコモンセンス推論のための強化型マルチソースメタトランスファー学習フレームワーク(Meta-RTL)を提案する。本稿では,メタトランスファー学習において,対象タスクに対するタスクの寄与を動的に推定する手法を提案する。実験の結果,Meta-RTLは,強いベースラインと以前のタスク選択戦略を大幅に上回ることがわかった。
論文参考訳（メタデータ） (2024-09-27T18:22:22Z)
QFMTS: Generating Query-Focused Summaries over Multi-Table Inputs [63.98556480088152]
表要約は、情報を簡潔で分かりやすいテキスト要約に凝縮するための重要な課題である。本稿では,クエリ中心のマルチテーブル要約を導入することで,これらの制約に対処する新しい手法を提案する。提案手法は,テーブルシリアライズモジュール,要約コントローラ,および大規模言語モデルからなり,ユーザの情報要求に合わせたクエリ依存のテーブル要約を生成する。
論文参考訳（メタデータ） (2024-05-08T15:05:55Z)
A Modular Approach for Multimodal Summarization of TV Shows [55.20132267309382]
分離されたコンポーネントが特別なサブタスクを実行するモジュール方式を提案する。我々のモジュールは、シーン境界の検出、異なるイベント間のカット回数の最小化、視覚情報をテキストに変換すること、各シーンの対話を要約すること、シーン要約をエピソード全体の最終要約に融合することを含む。我々はまた、生成した要約の精度とリコールを計測し、原子事実に分解する新しい測度であるPRISMAを提示する。
論文参考訳（メタデータ） (2024-03-06T16:10:01Z)
FinReport: Explainable Stock Earnings Forecasting via News Factor Analyzing Model [14.217469307568466]
我々は、一般投資家が情報を収集し、分析し、要約後にレポートを生成するための自動システムFinReportを構築することを目指している。具体的には、ファイナンシャルニュースの発表と、レポートのプロフェッショナル主義を保証するための多要素モデルに基づいています。 FinReportは3つのモジュールで構成されている。ニュース分解モジュール、リターン予測モジュール、リスクアセスメントモジュールである。
論文参考訳（メタデータ） (2024-03-05T04:33:36Z)
Embrace Divergence for Richer Insights: A Multi-document Summarization Benchmark and a Case Study on Summarizing Diverse Information from News Articles [136.84278943588652]
同一イベントを含む複数のニュース記事において遭遇する多様な情報を要約する新しい課題を提案する。この作業を容易にするために、多様な情報を特定するためのデータ収集スキーマの概要と、DiverseSummというデータセットをキュレートした。データセットには245のニュース記事が含まれており、各ストーリーは10のニュース記事からなり、人間公認の参照と組み合わせられる。
論文参考訳（メタデータ） (2023-09-17T20:28:17Z)
GPT-InvestAR: Enhancing Stock Investment Strategies through Annual Report Analysis with Large Language Models [1.8429319600068685]
上場企業の年次報告書には、財務状況に関する重要な情報が含まれている。金融の専門家は、これらの文書から価値ある情報を比較的早く抽出することに精通している。本稿では,Large Language Models(LLMs)の能力を活用した全企業の年次報告書作成プロセスの簡素化を目的とする。
論文参考訳（メタデータ） (2023-09-06T17:18:55Z)
Using Screenshot Attachments in Issue Reports for Triaging [2.646989940565247]
これまでの作業では,1行の要約にあるテキストとイシューレポートの記述フィールドを使って,利害関係者に自動的に割り当てる「イシューTAG」をデプロイしました。 2018年1月12日にトルコ最大のプライベートバンクのソフトウェア子会社であるSofttechに配備されて以来、IssageTAGは合計301,752件を割り当てている。本研究では、追加情報源としてスクリーンショットアタッチメントを使用し、割当て精度をさらに向上する。
論文参考訳（メタデータ） (2023-06-06T12:43:43Z)
Long Text and Multi-Table Summarization: Dataset and Method [20.90939310713561]
FINDSumは3,794社から21,125件の年次レポートに基づいて構築されている。それぞれの会社の運営成果と流動性を要約する2つのサブセットがある。生成した要約における数値情報の利用状況を評価するための評価指標のセットを提案する。
論文参考訳（メタデータ） (2023-02-08T00:46:55Z)
SumREN: Summarizing Reported Speech about Events in News [51.82314543729287]
本稿では,各話者の反応を,それぞれの発言によって表現された反応を,ある事象に要約する新しい課題を提案する。我々は,多文書要約ベンチマークSUMRENを作成し,様々な公開人物からの報告文の745の要約を作成した。
論文参考訳（メタデータ） (2022-12-02T12:51:39Z)
Template-based Abstractive Microblog Opinion Summarisation [26.777997436856076]
我々は,マイクロブログ意見要約(MOS)の課題を紹介し,ゴールド標準意見要約3100のデータセットを共有する。このデータセットには、2年間にわたるつぶやきの要約が含まれており、他のパブリックなTwitter要約データセットよりも多くのトピックをカバーしている。
論文参考訳（メタデータ） (2022-08-08T12:16:01Z)

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。