論文の概要: RicciFlowRec: A Geometric Root Cause Recommender Using Ricci Curvature on Financial Graphs

• arxiv url: http://arxiv.org/abs/2508.09334v1
• Date: Tue, 12 Aug 2025 20:45:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.689463
• Title: RicciFlowRec: A Geometric Root Cause Recommender Using Ricci Curvature on Financial Graphs
• Title（参考訳）: RicciFlowRec: 金融グラフ上のリッチ曲率を用いた幾何学的ルートによるレコメンダ
• Authors: Zhongtian Sun, Anoushka Harit,
• Abstract要約: RicciFlowRecは、Ricci曲率と動的財務グラフ上のフローを通じて、ルート原因属性を実行するレコメンデーションフレームワークである。 FinBERTを用いたS&P500データの予備的結果から, 合成摂動下での強靭性と解釈性が改善された。
• 参考スコア（独自算出の注目度）: 3.0181801777983086
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose RicciFlowRec, a geometric recommendation framework that performs root cause attribution via Ricci curvature and flow on dynamic financial graphs. By modelling evolving interactions among stocks, macroeconomic indicators, and news, we quantify local stress using discrete Ricci curvature and trace shock propagation via Ricci flow. Curvature gradients reveal causal substructures, informing a structural risk-aware ranking function. Preliminary results on S\&P~500 data with FinBERT-based sentiment show improved robustness and interpretability under synthetic perturbations. This ongoing work supports curvature-based attribution and early-stage risk-aware ranking, with plans for portfolio optimization and return forecasting. To our knowledge, RicciFlowRec is the first recommender to apply geometric flow-based reasoning in financial decision support.
• Abstract（参考訳）: 我々はRicciFlowRecを提案する。Ricciの曲率と動的財務グラフ上のフローによる根本原因帰属を行う幾何学的推薦フレームワークである。 ストック, マクロ経済指標, ニュース間の相互作用の進化をモデル化することにより, 離散リッチ曲率を用いて局所応力を定量化し, リッチフローを介して痕跡衝撃伝播を行う。 曲率勾配は因果的部分構造を示し、構造的リスク認識ランキング関数を示す。 FinBERTをベースとした感情を用いたS\&P~500データの予備的結果から, 合成摂動下での堅牢性と解釈性が改善された。 この継続的な作業は、ポートフォリオ最適化とリターン予測の計画を含む、曲率ベースの属性と初期段階のリスク対応ランキングをサポートします。 我々の知る限り、RicciFlowRecは、幾何学的フローベースの推論を金融決定支援に適用する最初の推奨者です。

関連論文リスト

• Revealing Decurve Flows for Generalized Graph Propagation [108.80758541147418]
  本研究は,有向グラフと重み付きグラフを用いて,m文を一般化した伝播を定義することによって,従来のメッセージパッシング(中心からグラフ学習)の限界に対処する。 この分野ではじめて、データセットにおける学習された伝播パターンの予備的な探索を含む。
  論文  参考訳（メタデータ） (2024-02-13T14:13:17Z)
• DeepRicci: Self-supervised Graph Structure-Feature Co-Refinement for Alleviating Over-squashing [72.70197960100677]
  グラフ構造学習(GSL)はグラフニューラルネットワーク(GNN)を改良したグラフで強化する上で重要な役割を果たしている。 GSLソリューションは、通常、タスク固有の監督(ノード分類)による構造改善に焦点を当てるか、GNN自体の固有の弱点を見落としている。 本稿では,典型的なGNNにおけるオーバー・スカッシングの問題を効果的に緩和する,自己教師付きグラフ構造-機能共分法について検討する。
  論文  参考訳（メタデータ） (2024-01-23T14:06:08Z)
• Geometry-Aware Normalizing Wasserstein Flows for Optimal Causal Inference [0.0]
  本稿では,パラメトリックサブモデルと連続正規化フローを統合することにより,因果推論に対する画期的なアプローチを提案する。 我々は、最適輸送とワッサーシュタイン勾配流を利用して、有限サンプル設定における最小分散の因果推論手法を開発する。 予備実験では, 従来の流れに比べて平均二乗誤差が低い。
  論文  参考訳（メタデータ） (2023-11-30T18:59:05Z)
• Curvature-Independent Last-Iterate Convergence for Games on Riemannian Manifolds [77.4346324549323]
  本研究では, 多様体の曲率に依存しないステップサイズが, 曲率非依存かつ直線的最終点収束率を達成することを示す。 我々の知る限りでは、曲率非依存率や/または最終点収束の可能性はこれまでに検討されていない。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
  現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。 本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-03-09T11:51:20Z)
• A Numerical Proof of Shell Model Turbulence Closure [41.94295877935867]
  本稿では, 統計誤差, ユーレリアおよびラグランジアン構造関数, エネルギーカスケードの断続統計を定量的に再現するディープリカレントニューラルネットワークに基づく閉包を提案する。 本研究は,3次元ナビエ-ストークス乱流に対する類似した手法の開発を奨励するものである。
  論文  参考訳（メタデータ） (2022-02-18T16:31:57Z)
• GELATO: Geometrically Enriched Latent Model for Offline Reinforcement Learning [54.291331971813364]
  オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。 本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。 提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
  論文  参考訳（メタデータ） (2021-02-22T19:42:40Z)

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。