論文の概要: EXPRESS: An LLM-Generated Explainable Property Valuation System with Neighbor Imputation

• arxiv url: http://arxiv.org/abs/2503.12344v1
• Date: Sun, 16 Mar 2025 03:49:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 15:59:31.288936
• Title: EXPRESS: An LLM-Generated Explainable Property Valuation System with Neighbor Imputation
• Title（参考訳）: Expression: 隣りのインプットを用いたLCM生成型説明可能なプロパティ評価システム
• Authors: Wei-Wei Du, Yung-Chien Wang, Wen-Chih Peng,
• Abstract要約: 提案手法は,SyStem と EXPRESS を併用した LLM- Generated Explainable PRopErty valuation SyStem を提案する。 カスタマイズ可能な欠落値計算技術を提供し、予測の不透明さに対処する。 ユーザに対して予測結果をより直感的に理解するための機能的説明を生成する。
• 参考スコア（独自算出の注目度）: 9.741952588343086
• License:
• Abstract: The demand for property valuation has attracted significant attention from sellers, buyers, and customers applying for loans. Reviews of existing approaches have revealed shortcomings in terms of not being able to handle missing value situations, as well as lacking interpretability, which means they cannot be used in real-world applications. To address these challenges, we propose an LLM-Generated EXplainable PRopErty valuation SyStem with neighbor imputation called EXPRESS, which provides the customizable missing value imputation technique, and addresses the opaqueness of prediction by providing the feature-wise explanation generated by LLM. The dynamic nearest neighbor search finds similar properties depending on different application scenarios by property configuration set by users (e.g., house age as criteria for the house in rural areas, and locations for buildings in urban areas). Motivated by the human appraisal procedure, we generate feature-wise explanations to provide users with a more intuitive understanding of the prediction results.
• Abstract（参考訳）: 不動産評価の需要は、売り手、買い手、ローン申請顧客から大きな注目を集めている。 既存のアプローチのレビューでは、欠落した価値状況に対処できないという欠点と、解釈可能性の欠如が明らかになっている。 これらの課題に対処するため,LLM が生成する特徴量的説明を提供することで,LLM が生成する特徴量的説明を提供することによって予測の不透明性に対処する,EXPRESS と呼ばれる近傍の計算法を備えた LLM 生成可能な PRopErty 評価値 SyStem を提案する。 動的に近接する近接探索は、利用者が設定した資産構成(例えば、農村部の住宅の基準としての住宅年齢、都市部の建物の位置)によって異なるアプリケーションのシナリオによって類似した特性を見出す。 人間の評価手順に触発され,ユーザに対して予測結果のより直感的な理解を提供する機能的説明を生成する。

関連論文リスト

• Towards Boosting LLMs-driven Relevance Modeling with Progressive Retrieved Behavior-augmented Prompting [23.61061000692023]
  本研究では,検索ログに記録されたユーザインタラクションを活用して,ユーザの暗黙の検索意図に対する洞察を得ることを提案する。 ProRBPは,探索シナリオ指向の知識を大規模言語モデルと統合するための,プログレッシブ検索行動拡張型プロンプトフレームワークである。
  論文  参考訳（メタデータ） (2024-08-18T11:07:38Z)
• CLAMBER: A Benchmark of Identifying and Clarifying Ambiguous Information Needs in Large Language Models [60.59638232596912]
  大規模言語モデル(LLM)を評価するベンチマークであるCLAMBERを紹介する。 分類を基盤として12Kの高品質なデータを構築し, 市販のLCMの強度, 弱点, 潜在的なリスクを評価する。 本研究は, あいまいなユーザクエリの特定と明確化において, 現在のLCMの実用性に限界があることを示唆する。
  論文  参考訳（メタデータ） (2024-05-20T14:34:01Z)
• Modeling the Feedback of AI Price Estimations on Actual Market Values [0.0]
  人工知能が生成した情報の公開は、市場を永遠に変えることができる。 不動産超インフレは新しい現象ではなく、12年間にわたって一貫したほぼ単調な持続性である。 不動産インフレ率に対するMREE圧力が絶対的なMREE推定誤差と相関しているという予想をシミュレーションで検証する。
  論文  参考訳（メタデータ） (2024-03-13T03:44:13Z)
• Introducing User Feedback-based Counterfactual Explanations (UFCE) [49.1574468325115]
  対実的説明(CE)は、XAIで理解可能な説明を生成するための有効な解決策として浮上している。 UFCEは、アクション可能な機能のサブセットで最小限の変更を決定するために、ユーザー制約を含めることができる。 UFCEは、textitproximity(英語版)、textitsparsity(英語版)、textitfeasibility(英語版)の2つのよく知られたCEメソッドより優れている。
  論文  参考訳（メタデータ） (2024-02-26T20:09:44Z)
• HD-Eval: Aligning Large Language Model Evaluators Through Hierarchical Criteria Decomposition [92.17397504834825]
  HD-Evalは、大規模な言語モデル評価ツールと人間の好みを反復的に調整するフレームワークである。 HD-Evalは、人間の専門家の評価思想から本質を継承し、LLMに基づく評価器のアライメントを強化する。 3つの評価領域に関する広範囲な実験は、HD-Evalのさらなる整合状態評価器の優位性を実証している。
  論文  参考訳（メタデータ） (2024-02-24T08:01:32Z)
• Learning to Generate Explainable Stock Predictions using Self-Reflective Large Language Models [54.21695754082441]
  説明可能なストック予測を生成するために,LLM(Large Language Models)を教えるフレームワークを提案する。 反射剤は自己推論によって過去の株価の動きを説明する方法を学ぶ一方、PPOトレーナーは最も可能性の高い説明を生成するためにモデルを訓練する。 我々のフレームワークは従来のディープラーニング法とLLM法の両方を予測精度とマシューズ相関係数で上回ることができる。
  論文  参考訳（メタデータ） (2024-02-06T03:18:58Z)
• Improving Real Estate Appraisal with POI Integration and Areal Embedding [2.977678192707268]
  本研究は、不動産評価手法における2つの重要な課題に焦点を当てる。 まず,POI(Points of Interest)が資産価値に与える影響について検討する。 次に,道路ネットワークを基盤としたAreal Embeddingを統合し,不動産評価のための空間的理解を強化する。
  論文  参考訳（メタデータ） (2023-11-20T14:48:09Z)
• ReEval: Automatic Hallucination Evaluation for Retrieval-Augmented Large Language Models via Transferable Adversarial Attacks [91.55895047448249]
  本稿では,LLMベースのフレームワークであるReEvalについて述べる。 本稿では、ChatGPTを用いてReEvalを実装し、2つの人気のあるオープンドメインQAデータセットのバリエーションを評価する。 我々の生成したデータは人間可読であり、大きな言語モデルで幻覚を引き起こすのに役立ちます。
  論文  参考訳（メタデータ） (2023-10-19T06:37:32Z)
• Real Estate Property Valuation using Self-Supervised Vision Transformers [2.1320960069210475]
  本稿では,自己監督型視覚変換器を用いたプロパティ評価手法を提案する。 提案アルゴリズムは、機械学習、コンピュータビジョン、および不動産データに基づいてトレーニングされたヘドニック価格モデルの組み合わせを用いている。
  論文  参考訳（メタデータ） (2023-01-31T21:54:15Z)
• Visual Perception of Building and Household Vulnerability from Streets [0.294944680995069]
  発展途上国では、コードの構築は時代遅れまたは強制されないことが多い。 住宅の大部分が基準以下であり、自然災害や気候関連の出来事に弱い。 本稿では,最初のキャプチャと将来の更新に費用効率のよい評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-28T15:35:47Z)
• Lifelong Property Price Prediction: A Case Study for the Toronto Real Estate Market [75.28009817291752]
  自動資産評価のための最初の寿命予測モデルであるLuceを提示する。 ルースは不動産価格の2つの重要な問題に対処している。 トロント不動産市場から得られた大規模な実生活データセットにLuceを適用することで,Luceのメリットを実証する。
  論文  参考訳（メタデータ） (2020-08-12T07:32:16Z)

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。