Fugu-MT 論文翻訳(概要): Basic model for ranking microfinance institutions

論文の概要: Basic model for ranking microfinance institutions

arxiv url: http://arxiv.org/abs/2505.11944v1
Date: Sat, 17 May 2025 10:15:05 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-20 14:57:10.955569
Title: Basic model for ranking microfinance institutions
Title（参考訳）: マイクロファイナンス機関のランク付けのための基礎モデル
Authors: Dmitry Dudukalov, Evgeny Prokopenko,
Abstract要約: 本稿では,アグリゲータサイト製品のランキングモデル構築における課題について論じる。我々は,MFIのどの特徴を考慮すべきかを提案し,マルコフ連鎖に基づくアルゴリズムを用いて,これらの特徴の有効性'を実データ上で示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This paper discusses the challenges encountered in building a ranking model for aggregator site products, using the example of ranking microfinance institutions (MFIs) based on post-click conversion. We suggest which features of MFIs should be considered, and using an algorithm based on Markov chains, we demonstrate the ``usefulness'' of these features on real data. The ideas developed in this work can be applied to aggregator websites in microinsurance, especially when personal data is unavailable. Since we did not find similar datasets in the public domain, we are publishing our dataset with a detailed description of its attributes.
Abstract（参考訳）: 本稿では、クリック後変換に基づくマイクロファイナンス機関(MFI)のランキングモデル構築における課題について論じる。我々は,MFIのどの特徴を考慮すべきかを提案するとともに,マルコフ連鎖に基づくアルゴリズムを用いて,これらの特徴の `usefulness'' を実データ上で実証する。この研究で開発されたアイデアは、特に個人情報が利用できない場合、マイクロ保険のアグリゲータウェブサイトに適用することができる。パブリックドメインに類似したデータセットが見つからなかったので、その属性を詳細に記述したデータセットを公開しています。

関連論文リスト

Assessing FAIRness of the Digital Shadow Reference Model [0.0]
本稿では,デジタルシャドウ参照モデルのFAIRnessを評価する。モデルのメタデータスキーマは、リッチな記述と認証技術をサポートしている。グローバルなユニークな識別子の必要性や、異なるWeb標準のサポートなど、改善すべき領域を強調している。
論文参考訳（メタデータ） (2025-04-22T08:58:48Z)
Domain Specific Data Distillation and Multi-modal Embedding Generation [0.0]
ドメイン中心の埋め込みを作成するという課題は、非構造化データの豊富さとドメイン固有の構造化データの不足から生じる。本稿では,非構造化データからノイズをフィルタリングするために構造化データを活用する新しいモデリング手法を提案する。
論文参考訳（メタデータ） (2024-10-27T03:47:46Z)
DataPerf: Benchmarks for Data-Centric AI Development [81.03754002516862]
DataPerfは、MLデータセットとデータ中心アルゴリズムを評価するための、コミュニティ主導のベンチマークスイートである。私たちは、この反復的な開発をサポートするために、複数の課題を抱えたオープンなオンラインプラットフォームを提供しています。ベンチマーク、オンライン評価プラットフォーム、ベースライン実装はオープンソースである。
論文参考訳（メタデータ） (2022-07-20T17:47:54Z)
A transformer-based model for default prediction in mid-cap corporate markets [13.535770763481905]
時価総額が100億ドル未満の中堅企業について調査する。中間項の既定確率項構造を予測することを目的とする。私たちは、どのデータソースがデフォルトのリスクに最も貢献しているかを理解しています。
論文参考訳（メタデータ） (2021-11-18T19:01:00Z)
Graphical Modeling for Multi-Source Domain Adaptation [56.05348879528149]
マルチソースドメイン適応(MSDA)は、複数のソースドメインからターゲットドメインへの知識の転送に焦点を当てている。我々は2種類のグラフィカルモデルを提案する。 MSDAの条件付きランダムフィールド(CRF-MSDA)とMSDAのマルコフランダムフィールド(MRF-MSDA) これらの2つのモデルを、ドメインシフトとデータの複雑さが異なるMSDAの4つの標準ベンチマークデータセットで評価します。
論文参考訳（メタデータ） (2021-04-27T09:04:22Z)
Curriculum Graph Co-Teaching for Multi-Target Domain Adaptation [78.28390172958643]
マルチターゲットドメイン適応(MTDA)における複数のドメインシフトを軽減するのに役立つ2つの重要な側面を同定する。本論文では,二重分類器ヘッドを用いたCGCT(Curriculum Graph Co-Teaching)を提案する。そのうちの1つがグラフ畳み込みネットワーク(GCN)である。ドメインラベルが利用可能になると、まずより簡単なターゲットドメインに適応し、続いて難しいドメインに適応する逐次適応戦略であるDomain-Aware Curriculum Learning (DCL)を提案する。
論文参考訳（メタデータ） (2021-04-01T23:41:41Z)
Inferring Latent Domains for Unsupervised Deep Domain Adaptation [54.963823285456925]
Unsupervised Domain Adaptation (UDA)は、ラベル付きデータが利用できないターゲットドメインでモデルを学習する問題を指す。本稿では,視覚データセット中の潜在ドメインを自動的に発見することにより,udaの問題に対処する新しい深層アーキテクチャを提案する。提案手法を公開ベンチマークで評価し,最先端のドメイン適応手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-03-25T14:33:33Z)
Deep Learning for Market by Order Data [7.274325784456261]
注文による市場(MBO)データは、取引所で与えられた株式の個々の取引指示の詳細なフィードです。 MBOデータは、主にリミットオーダーブック(LOB)に焦点を当てた現在の学術文献によって無視されます。データ構造を慎重に紹介し、特定の正規化スキームを提示することにより、MBOデータに関する最初の予測分析を提供します。 MBO駆動モデルとLOB駆動モデルはそれぞれ同様の性能を提供するが、両者のアンサンブルは予測精度の向上につながる可能性がある。
論文参考訳（メタデータ） (2021-02-17T15:16:26Z)
Characterizing Transactional Databases for Frequent Itemset Mining [0.0]
本稿では,頻繁なアイテムセット採掘に使用されるトランザクションデータベースの特性について述べる。提案するメトリクスリストには,文献で確認されている既存のメトリクスと,新たなメトリクスが含まれている。我々は,ベンチマークとして安全に使用可能な特徴量に基づいて,代表データセットのセットを提供する。
論文参考訳（メタデータ） (2020-11-09T12:26:14Z)

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。