論文の概要: Discovery of Rare Causal Knowledge from Financial Statement Summaries

• arxiv url: http://arxiv.org/abs/2408.01748v1
• Date: Sat, 3 Aug 2024 11:08:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-06 18:30:57.970853
• Title: Discovery of Rare Causal Knowledge from Financial Statement Summaries
• Title（参考訳）: 財務諸表による希少な因果知識の発見
• Authors: Hiroki Sakaji, Jason Bennett, Risa Murono, Kiyoshi Izumi, Hiroyuki Sakai,
• Abstract要約: 本稿では,企業の財務諸表から稀な因果知識を抽出する手法を提案する。 まず、拡張言語オントロジーに基づく機械学習手法を用いて、要約から因果知識を含む文を抽出する。 第2に、構文パターンを用いて抽出された文から因果知識を取得し、最後に、得られた知識から最も稀な因果知識を抽出する。
• 参考スコア（独自算出の注目度）: 4.21257405044866
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: What would happen if temperatures were subdued and result in a cool summer? One can easily imagine that air conditioner, ice cream or beer sales would be suppressed as a result of this. Less obvious is that agricultural shipments might be delayed, or that sound proofing material sales might decrease. The ability to extract such causal knowledge is important, but it is also important to distinguish between cause-effect pairs that are known and those that are likely to be unknown, or rare. Therefore, in this paper, we propose a method for extracting rare causal knowledge from Japanese financial statement summaries produced by companies. Our method consists of three steps. First, it extracts sentences that include causal knowledge from the summaries using a machine learning method based on an extended language ontology. Second, it obtains causal knowledge from the extracted sentences using syntactic patterns. Finally, it extracts the rarest causal knowledge from the knowledge it has obtained.
• Abstract（参考訳）: もし気温が抑えられ、涼しい夏になったらどうなるのか? この結果、エアコン、アイスクリーム、ビールの販売が抑制されることが容易に想像できる。 農産品の出荷が遅れる可能性や、音質を実証する素材の販売が減少する可能性もさほど明らかではない。 このような因果的知識を抽出する能力は重要であるが、既知の因果関係と未知か稀かの可能性のある因果関係を区別することが重要である。 そこで本稿では,企業による財務諸表の要約から稀な因果知識を抽出する手法を提案する。 私たちの方法は3つのステップから成り立っている。 まず、拡張言語オントロジーに基づく機械学習手法を用いて、要約から因果知識を含む文を抽出する。 次に,構文パターンを用いて抽出した文から因果知識を得る。 最後に、得られた知識から最も稀な因果知識を抽出する。

関連論文リスト

• Failure Modes of LLMs for Causal Reasoning on Narratives [51.19592551510628]
  本研究では,大言語モデル(LLM)の因果推論能力について,物語から因果関係を推定する代表的な問題から検討する。 最新の言語モデルでさえ、物語の提示とパラメトリック知識の両方において、信頼できないショートカットに依存していることがわかった。
  論文  参考訳（メタデータ） (2024-10-31T12:48:58Z)
• Physics of Language Models: Part 3.1, Knowledge Storage and Extraction [51.68385617116854]
  大規模言語モデル(LLM)は膨大な量の世界の知識を格納することができ、しばしば質問応答によって抽出できる。 モデルが知識を抽出する能力と,トレーニングデータの多様な多様性尺度との間には,強い相関関係が認められた。
  論文  参考訳（メタデータ） (2023-09-25T17:37:20Z)
• Causalainer: Causal Explainer for Automatic Video Summarization [77.36225634727221]
  多くのアプリケーションシナリオにおいて、不適切なビデオ要約は大きな影響を与える可能性がある。 説明可能性のモデリングは重要な関心事です。 Causalainerと呼ばれるCausal Explainerがこの問題に対処するために提案されている。
  論文  参考訳（メタデータ） (2023-04-30T11:42:06Z)
• Eliciting Knowledge from Large Pre-Trained Models for Unsupervised Knowledge-Grounded Conversation [45.95864432188745]
  大規模事前学習の最近の進歩は、原文から知識を学ぶ可能性のある大きなモデルを提供する。 大規模モデルから最良の知識を引き出す様々な手法を提案する。 私たちの人間による研究は、幻覚はあるものの、大きなモデルは常識を出力できるという独特な利点を誇示していることを示している。
  論文  参考訳（メタデータ） (2022-11-03T04:48:38Z)
• What Knowledge Gets Distilled in Knowledge Distillation? [42.64154725887817]
  知識蒸留は,教師ネットワークから学生ネットワークに有用な情報を伝達することを目的としている。 様々な改善があったにもかかわらず、コミュニティのプロセスに対する根本的な理解には大きなギャップがあるようだ。 既存の手法はタスク性能の向上を超えて間接的にこれらの特性を蒸留できることを示す。
  論文  参考訳（メタデータ） (2022-05-31T17:59:16Z)
• Informative Causality Extraction from Medical Literature via Dependency-tree based Patterns [5.105000853556319]
  医学文献では、文中の因果句は単に名詞や名詞句ではなく、複数の単語からなる複雑な句である。 提案手法はまず,原因・影響関連パターンの集合をテンプレートとして用いて,原因・影響句の見出しを抽出する。 PubMedの記事の文から構築された因果効果データセットの実験は、PatternCausalityが既存の方法よりもかなり優れていることを示している。
  論文  参考訳（メタデータ） (2022-03-13T07:26:04Z)
• Alleviating the Knowledge-Language Inconsistency: A Study for Deep Commonsense Knowledge [25.31716910260664]
  深層コモンセンス知識は、コモンセンス知識の重要な部分を占めている。 文に分散した深層コモンセンス知識をマイニングするための新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-05-28T06:26:19Z)
• Knowledge-based Extraction of Cause-Effect Relations from Biomedical Text [37.06925225826795]
  我々のアプローチは、因果的引き金を発見する教師なし機械学習技術と、高精度な言語規則の組み合わせである。 568,528文からなる58,761個の白血病関連PubMed抽象語を用いたアプローチの評価を行った。
  論文  参考訳（メタデータ） (2021-03-10T14:31:46Z)
• Learning Contextual Causality from Time-consecutive Images [84.26437953699444]
  因果知識は多くの人工知能システムにとって重要である。 本稿では,視覚信号から文脈因果関係を学習する可能性について検討する。 まず,高品質なデータセットvis-causalを提案し,ビデオから有意義な因果知識を自動的に発見できることを示す実験を行った。
  論文  参考訳（メタデータ） (2020-12-13T20:24:48Z)
• The Extraordinary Failure of Complement Coercion Crowdsourcing [50.599433903377374]
  クラウドソーシングは近年,言語アノテーションの収集を緩和し,スケールアップしている。 本研究の目的は,この現象の注釈付きデータを2つの既知のタスク – 明示的補完と自然言語推論 – に還元することで収集することである。 どちらの場合も、クラウドソーシングは合意のスコアが低かった。
  論文  参考訳（メタデータ） (2020-10-12T19:04:04Z)

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。