Fugu-MT 論文翻訳(概要): Sentiment Classification of Thai Central Bank Press Releases Using Supervised Learning

論文の概要: Sentiment Classification of Thai Central Bank Press Releases Using Supervised Learning

arxiv url: http://arxiv.org/abs/2503.22629v1
Date: Fri, 28 Mar 2025 17:20:41 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-31 15:28:32.394886
Title: Sentiment Classification of Thai Central Bank Press Releases Using Supervised Learning
Title（参考訳）: 教師付き学習を用いたタイ中央銀行出版の感性分類
Authors: Stefano Grassi,
Abstract要約: 本研究では,タイ銀行からのプレスリリースの感情を分類するために,教師付き機械学習技術を適用した。私の研究結果によると、教師あり学習はより小さなデータセットであっても効果的な手法であり、さらなる自動化の出発点となる。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Central bank communication plays a critical role in shaping economic expectations and monetary policy effectiveness. This study applies supervised machine learning techniques to classify the sentiment of press releases from the Bank of Thailand, addressing gaps in research that primarily focus on lexicon-based approaches. My findings show that supervised learning can be an effective method, even with smaller datasets, and serves as a starting point for further automation. However, achieving higher accuracy and better generalization requires a substantial amount of labeled data, which is time-consuming and demands expertise. Using models such as Na\"ive Bayes, Random Forest and SVM, this study demonstrates the applicability of machine learning for central bank sentiment analysis, with English-language communications from the Thai Central Bank as a case study.
Abstract（参考訳）: 中央銀行のコミュニケーションは、経済の期待と金融政策の効果を形作る上で重要な役割を担っている。この研究は、主にレキシコンベースのアプローチに焦点を当てた研究のギャップに対処するため、タイ銀行からのプレスリリースの感情を分類するために、教師付き機械学習技術を適用した。私の研究結果によると、教師あり学習はより小さなデータセットであっても効果的な手法であり、さらなる自動化の出発点となる。しかし、高い精度とより良い一般化を達成するには、かなりの量のラベル付きデータが必要である。本研究では,Na\"ive Bayes,Random Forest,SVMなどのモデルを用いて,中央銀行の感情分析における機械学習の適用性を示す。

関連論文リスト

Enhancing Exchange Rate Forecasting with Explainable Deep Learning Models [1.5474412217744966]
伝統的な予測モデルは、交換レートデータの本質的な複雑さと非線形性に対処する際にしばしば混乱する。本研究では,RSM/USD交換率の予測精度を高めるため,LSTM,CNN,トランスフォーマーベースアーキテクチャなどの高度なディープラーニングモデルの適用について検討する。
論文参考訳（メタデータ） (2024-10-25T01:29:54Z)
Context is Key: A Benchmark for Forecasting with Essential Textual Information [87.3175915185287]
コンテキスト is Key" (CiK) は、数値データを多種多様なテキストコンテキストと組み合わせた予測ベンチマークである。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。提案手法は,提案するベンチマークにおいて,他の試験手法よりも優れる簡易かつ効果的なLCMプロンプト法である。
論文参考訳（メタデータ） (2024-10-24T17:56:08Z)
Exploring the Robustness of Decentralized Training for Large Language Models [51.41850749014054]
大規模な言語モデルの分散トレーニングは、この技術を民主化するための効果的な方法として現れてきた。本稿では,3つの主要な視点から,分散学習の堅牢性について考察する。
論文参考訳（メタデータ） (2023-12-01T04:04:03Z)
Cross-Lingual NER for Financial Transaction Data in Low-Resource Languages [70.25418443146435]
半構造化テキストデータにおける言語間名前認識のための効率的なモデリングフレームワークを提案する。我々は2つの独立したSMSデータセットを英語とアラビア語で使用し、それぞれが半構造化された銀行取引情報を持っている。わずか30のラベル付きサンプルにアクセスすることで、我々のモデルは、英語からアラビア語までの商人、金額、その他の分野の認識を一般化することができる。
論文参考訳（メタデータ） (2023-07-16T00:45:42Z)
Analysis of the Fed's communication by using textual entailment model of Zero-Shot classification [0.0]
我々は、テキストマイニング技術を用いて中央銀行が発行した文書を分析した。声明のトーン、議事録、記者会見の書き起こし、米連邦準備制度理事会(FRB)の演説を比較します。
論文参考訳（メタデータ） (2023-06-07T09:23:26Z)
Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文参考訳（メタデータ） (2022-11-07T16:19:42Z)
Neural Forecasting of the Italian Sovereign Bond Market with Economic News [0.9281671380673304]
われわれは、イタリアの10年利率の広がりを予測するために、ニューラルネットワークの枠組みの中で経済ニュースを採用している。自己回帰リカレントネットワーク(DeepAR)を用いた確率予測フレームワーク内にそのような情報をデプロイする。この結果から,Long-Short Term Memoryセルに基づくディープラーニングネットワークは,従来の機械学習技術よりも優れていたことが示唆された。
論文参考訳（メタデータ） (2022-03-11T12:24:22Z)
Conditional Bilingual Mutual Information Based Adaptive Training for Neural Machine Translation [66.23055784400475]
トークンレベルの適応トレーニングアプローチはトークンの不均衡問題を緩和することができる。条件付きバイリンガル相互情報(CBMI)という目標コンテキスト対応メトリックを提案する。 CBMIは、事前の統計計算なしで、モデルトレーニング中に効率的に計算することができる。
論文参考訳（メタデータ） (2022-03-06T12:34:10Z)
Desiderata for Explainable AI in statistical production systems of the European Central Bank [0.537133760455631]
我々は、欧州中央銀行の統計生産システムで経験される一般的な説明可能性の必要性を反映した、説明可能なAIのためのユーザ中心のデシラタを述べることを目指している。我々は,中央銀行における統計データ生産の領域から,中央証券データベースにおける外れ値の検出と,監督銀行データシステムのデータ品質チェックをデータ駆動で識別する2つの具体的なユースケースを提供する。
論文参考訳（メタデータ） (2021-07-18T05:58:11Z)
Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
論文参考訳（メタデータ） (2020-05-09T01:32:03Z)

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。