論文の概要: Wage Sentiment Indices Derived from Survey Comments via Large Language Models

• arxiv url: http://arxiv.org/abs/2509.00290v1
• Date: Sat, 30 Aug 2025 00:53:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.163635
• Title: Wage Sentiment Indices Derived from Survey Comments via Large Language Models
• Title（参考訳）: 大規模言語モデルによる調査コメントから得られた賃金感指数
• Authors: Taihei Sone,
• Abstract要約: 本研究では,Large Language Models (LLMs) を用いたWSI(Wage Sentiment Index)を提案し,日本の賃金動態を予測する。 分析は、内閣府の月次調査である経済監視調査(EWS)に基づく。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The emergence of generative Artificial Intelligence (AI) has created new opportunities for economic text analysis. This study proposes a Wage Sentiment Index (WSI) constructed with Large Language Models (LLMs) to forecast wage dynamics in Japan. The analysis is based on the Economy Watchers Survey (EWS), a monthly survey conducted by the Cabinet Office of Japan that captures real-time economic assessments from workers in industries highly sensitive to business conditions. The WSI extends the framework of the Price Sentiment Index (PSI) used in prior studies, adapting it specifically to wage related sentiment. To ensure scalability and adaptability, a data architecture is also developed that enables integration of additional sources such as newspapers and social media. Experimental results demonstrate that WSI models based on LLMs significantly outperform both baseline approaches and pretrained models. These findings highlight the potential of LLM-driven sentiment indices to enhance the timeliness and effectiveness of economic policy design by governments and central banks.
• Abstract（参考訳）: 生成人工知能(AI)の出現は、経済テキスト分析の新しい機会を生み出した。 本研究では,Large Language Models (LLMs) を用いたWSI(Wage Sentiment Index)を提案し,日本の賃金動態を予測する。 分析は、企業状況に非常に敏感な産業労働者のリアルタイム経済評価を捉えた内閣府の月次調査である経済監視調査(EWS)に基づく。 WSIは、以前の研究で使用される価格感指数(PSI)の枠組みを拡張し、賃金に関する感情に特化させている。 スケーラビリティと適応性を確保するため、新聞やソーシャルメディアなどの追加ソースの統合を可能にするデータアーキテクチャも開発されている。 実験結果から,LLMに基づくWSIモデルは,ベースラインアプローチと事前学習モデルの両方で有意に優れていた。 これらの結果は、政府や中央銀行による経済政策設計のタイムラインと有効性を高めるため、LLM主導の感情指標の可能性を浮き彫りにしている。

関連論文リスト

• Beyond Naïve Prompting: Strategies for Improved Zero-shot Context-aided Forecasting with LLMs [57.82819770709032]
  大規模言語モデル (LLM) は、na "ive direct prompting" を通じて効果的な文脈支援予測を行うことができる。 ReDPは、明確な推論トレースを抽出することで、解釈可能性を改善し、コンテキスト上でモデルの推論を評価することができる。 CorDPはLLMを活用して、既存の予測をコンテキストで洗練し、現実の予測パイプラインにおける適用性を高める。 IC-DPは、文脈支援予測タスクの歴史的例を即時に組み込むことを提案し、大規模モデルにおいても精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-08-13T16:02:55Z)
• LLM Economist: Large Population Models and Mechanism Design in Multi-Agent Generative Simulacra [29.627070781534698]
  本稿では,エージェント・ベース・モデリングを用いて経済政策を設計・評価する新しい枠組みを提案する。 下位レベルでは、有界な労働者エージェントは、テキストベースのユーティリティ関数をテキストで学習するために労働供給を選択する。 上位のレベルでは、プランナーエージェントは、現在の連邦政府の括弧に固定された一貫した境界税制を提案するために、文脈内強化学習を採用する。
  論文  参考訳（メタデータ） (2025-07-21T17:21:14Z)
• Harnessing the Reasoning Economy: A Survey of Efficient Reasoning for Large Language Models [51.85792055455284]
  大規模言語モデル(LLM)の最近の進歩は、複雑な推論タスクを実行する能力を大幅に強化している。 システム1推論は計算効率が良いが、最適以下の性能をもたらす。 システム2推論(System 2 reasoning)は、思考の遅さや非効率性、不必要な推論の振る舞いにより、かなりの計算コストを発生させることが多い。
  論文  参考訳（メタデータ） (2025-03-31T17:58:07Z)
• An Overview of Large Language Models for Statisticians [109.38601458831545]
  大規模言語モデル(LLM)は人工知能(AI)の変換ツールとして登場した。 本稿では, 統計学者がLLMの開発に重要な貢献できる可能性について考察する。 我々は不確実性定量化、解釈可能性、公正性、プライバシー、透かし、モデル適応といった問題に焦点を当てる。
  論文  参考訳（メタデータ） (2025-02-25T03:40:36Z)
• Indexing Economic Fluctuation Narratives from Keiki Watchers Survey [2.4313429258746955]
  我々は、以前提案した物語の枠組みを用いて、経済調査から経済変動の指標を設計する。 提案指標は,他の種類の拡散指標よりも累積ラギング拡散指数と強い相関が認められた。
  論文  参考訳（メタデータ） (2024-12-02T08:32:02Z)
• SRAP-Agent: Simulating and Optimizing Scarce Resource Allocation Policy with LLM-based Agent [45.41401816514924]
  本稿では,大規模言語モデル(LLM)を経済シミュレーションに統合する,革新的なフレームワークSRAP-Agentを提案する。 我々は、SRAP-Agentの有効性と有効性を検証するために、広範な政策シミュレーション実験を行う。
  論文  参考訳（メタデータ） (2024-10-18T03:43:42Z)
• A Novel Framework for Analyzing Structural Transformation in Data-Constrained Economies Using Bayesian Modeling and Machine Learning [0.0]
  農業経済からより多様化した産業やサービスベースのシステムへの移行は、経済発展の重要な要因である。 低所得国と中所得国(LMIC)では、データの不足と信頼性の欠如が、このプロセスの正確な評価を妨げる。 本稿では,ベイジアン階層モデリング,機械学習に基づくデータ計算,因子分析を統合することで,これらの課題に対処する新しい統計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-25T08:39:41Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
  ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。 我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• Weak Supervision in Analysis of News: Application to Economic Policy Uncertainty [0.0]
  我々の研究は、経済政策の不確実性(EPU)を測定するためのテキストデータ、特にニュース作品の可能性の研究に焦点を当てている。 経済政策の不確実性は、新しい政策と将来の経済基本の下で、決定の結果を予測できないと定義されている。 本研究は、経済政策の不確実性に関して、ニュース記事の分類を弱くする機械学習ベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2022-08-10T09:08:29Z)
• News-based Business Sentiment and its Properties as an Economic Index [1.0323063834827415]
  ビジネスの感情は、行動するのにコストと時間を要する従来の調査によって測定されています。 我々は、日刊紙の記事を活用し、S-APIRというビジネス感情指数を定義する自己意識モデルを採用する。 S-APIRが経済学者や政策立案者にどのような恩恵をもたらすかを説明するために、時間とともにビジネス感情に与える影響についていくつかのイベントが分析される。
  論文  参考訳（メタデータ） (2021-10-20T02:20:53Z)
• The AI Economist: Improving Equality and Productivity with AI-Driven Tax Policies [119.07163415116686]
  我々は、経済的平等と生産性を効果的にトレードオフできる税制政策を発見する社会プランナーを訓練する。 競争圧力と市場ダイナミクスを特徴とする経済シミュレーション環境を提案する。 AI主導の税政策は、基本方針よりも平等と生産性のトレードオフを16%改善することを示します。
  論文  参考訳（メタデータ） (2020-04-28T06:57:18Z)

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。