論文の概要: City-Level Foreign Direct Investment Prediction with Tabular Learning on Judicial Data

• arxiv url: http://arxiv.org/abs/2507.05651v1
• Date: Tue, 08 Jul 2025 04:10:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.558523
• Title: City-Level Foreign Direct Investment Prediction with Tabular Learning on Judicial Data
• Title（参考訳）: 司法データを用いたタブラリ学習による都市レベルの対外直接投資予測
• Authors: Tianxing Wu, Lizhe Cao, Shuang Wang, Jiming Wang, Shutong Zhu, Yerong Wu, Yuqing Feng,
• Abstract要約: 本稿では,都市レベルのFDI予測のための新たなタブラルラーニング手法を提案する。 TLJDの有効性を検証するため,都市レベルのFDI予測のためのクロスシティタスクとクロスタイムタスクを設計する。
• 参考スコア（独自算出の注目度）: 2.96635678564014
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: To advance the United Nations Sustainable Development Goal on promoting sustained, inclusive, and sustainable economic growth, foreign direct investment (FDI) plays a crucial role in catalyzing economic expansion and fostering innovation. Precise city-level FDI prediction is quite important for local government and is commonly studied based on economic data (e.g., GDP). However, such economic data could be prone to manipulation, making predictions less reliable. To address this issue, we try to leverage large-scale judicial data which reflects judicial performance influencing local investment security and returns, for city-level FDI prediction. Based on this, we first build an index system for the evaluation of judicial performance over twelve million publicly available adjudication documents according to which a tabular dataset is reformulated. We then propose a new Tabular Learning method on Judicial Data (TLJD) for city-level FDI prediction. TLJD integrates row data and column data in our built tabular dataset for judicial performance indicator encoding, and utilizes a mixture of experts model to adjust the weights of different indicators considering regional variations. To validate the effectiveness of TLJD, we design cross-city and cross-time tasks for city-level FDI predictions. Extensive experiments on both tasks demonstrate the superiority of TLJD (reach to at least 0.92 R2) over the other ten state-of-the-art baselines in different evaluation metrics.
• Abstract（参考訳）: 持続的で包括的で持続可能な経済成長を促進するための国連持続可能な開発目標を進めるために、外国直接投資(FDI)は、経済成長の触媒化とイノベーションの促進に重要な役割を果たす。 都市レベルの正確なFDI予測は地方自治体にとって極めて重要であり、経済データ(GDPなど)に基づいてよく研究されている。 しかし、このような経済データは操作しにくくなり、予測の信頼性が低下する可能性がある。 この問題に対処するため、市レベルのFDI予測のために、地方投資の安全とリターンに影響を与える司法実績を反映した大規模司法データを活用することを試みる。 そこで我々は,まず,表式データセットを改訂した公用文書1200万件に対して,司法パフォーマンス評価のための索引システムを構築した。 そこで我々は,都市レベルのFDI予測のための新たなLJD法を提案する。 TLJDは,我々の構築した表表データセットに行データと列データを統合して司法パフォーマンス指標エンコーディングを行い,地域変動を考慮した各種指標の重み調整に専門家モデルの混合を利用する。 TLJDの有効性を検証するため,都市レベルのFDI予測のためのクロスシティタスクとクロスタイムタスクを設計する。 両タスクの広範な実験は、TLJD(少なくとも0.92R2)が、異なる評価基準における他の10の最先端ベースラインよりも優れていることを示した。

関連論文リスト

• FinTSB: A Comprehensive and Practical Benchmark for Financial Time Series Forecasting [58.70072722290475]
  ファイナンシャル・タイム・シリーズ(FinTS)は、人間の脳を増強した意思決定の行動を記録する。 FinTSBは金融時系列予測のための総合的で実用的なベンチマークである。
  論文  参考訳（メタデータ） (2025-02-26T05:19:16Z)
• EUR-USD Exchange Rate Forecasting Based on Information Fusion with Large Language Models and Deep Learning Methods [0.0]
  本稿では、ニュースや分析からの非構造化テキストデータを交換レートや財務指標に関する構造化データと統合する新しいフレームワークIUSを提案する。 次に、オプトゥーナ最適化Bi-LSTMモデルを用いて、EUR/USD交換レートを予測する。 実験の結果、提案手法はベンチマークモデルを上回る性能を示し、MAEを10.69%、RMSEを9.56%削減した。
  論文  参考訳（メタデータ） (2024-08-23T16:46:36Z)
• Identifying and Mitigating Social Bias Knowledge in Language Models [52.52955281662332]
  個々人の社会的偏見をきめ細かなキャリブレーションを可能にする新しいデバイアス・アプローチであるFairness Stamp(FAST)を提案する。 FASTは最先端のベースラインを超え、デバイアス性能が優れている。 これは、大きな言語モデルにおける公平性を達成するためのきめ細かいデバイアス戦略の可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-07T17:14:58Z)
• Data-Centric AI in the Age of Large Language Models [51.20451986068925]
  本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。 本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。 データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
  論文  参考訳（メタデータ） (2024-06-20T16:34:07Z)
• American Option Pricing using Self-Attention GRU and Shapley Value Interpretation [0.0]
  本稿では,ゲートリカレントユニット(GRU)と自己認識機構に基づいて,SPY(ETF)オプションの価格を予測する機械学習手法を提案する。 我々は、多層パーセプトロン(MLP)、長期記憶(LSTM)、自己注意型LSTM、自己注意型GRUの4つの異なる機械学習モデルを構築した。
  論文  参考訳（メタデータ） (2023-10-19T06:05:46Z)
• CSPRD: A Financial Policy Retrieval Dataset for Chinese Stock Market [61.59326951366202]
  我々は、中国株式政策検索データセット(CSPRD)を導入して、新たな課題である政策検索を提案する。 CSPRDは、中国の政策コーパスの10k以上の項目から、経験豊富な専門家によってラベル付けされた700以上のパスを提供する。 我々の最高のパフォーマンスベースラインは56.1% MRR@10、28.5% NDCG@10、37.5% Recall@10、80.6% Precision@10である。
  論文  参考訳（メタデータ） (2023-09-08T15:40:54Z)
• Harnessing the Web and Knowledge Graphs for Automated Impact Investing Scoring [2.4107880640624706]
  持続可能な開発目標のフレームワークを作成するプロセスを自動化するための,データ駆動システムについて説明する。 本稿では,異なるWebソースからテキストのデータセットを収集・フィルタリングする新しい手法と,企業の集合に関連する知識グラフを提案する。 以上の結果から,我々の最高性能モデルでは,マイクロ平均F1スコア0.89でSDGスコアを正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2023-08-04T15:14:16Z)
• Reinforcement-Learning based Portfolio Management with Augmented Asset Movement Prediction States [71.54651874063865]
  ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。 本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。 当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
  論文  参考訳（メタデータ） (2020-02-09T08:10:03Z)

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。

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。