論文の概要: Prompting the Market? A Large-Scale Meta-Analysis of GenAI in Finance NLP (2022-2025)
- arxiv url: http://arxiv.org/abs/2509.09544v1
- Date: Thu, 11 Sep 2025 15:37:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-12 16:52:24.446884
- Title: Prompting the Market? A Large-Scale Meta-Analysis of GenAI in Finance NLP (2022-2025)
- Title（参考訳）: 市場を刺激する? 財務NLP(2022-2025)におけるGenAIの大規模メタ分析
- Authors: Paolo Pedinotti, Peter Baumann, Nathan Jessurun, Leslie Barrett, Enrico Santus,
- Abstract要約: 本稿では,科学文献から知識グラフを抽出し,分析し,研究動向の構造化されたクエリー可能なビューを得る手法であるMetaGraphを提案する。
我々は、財務NLP研究のオントロジーを定義し、LLMに基づく抽出パイプラインを681論文(2022-2025)に適用し、大規模でデータ駆動分析を可能にする。
この構造化された視点は、実践者と研究者の両方に、NLPの経済的発展の明確な理解を提供する。
- 参考スコア（独自算出の注目度）: 0.5530745291266514
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Large Language Models (LLMs) have rapidly reshaped financial NLP, enabling new tasks and driving a proliferation of datasets and diversification of data sources. Yet, this transformation has outpaced traditional surveys. In this paper, we present MetaGraph, a generalizable methodology for extracting knowledge graphs from scientific literature and analyzing them to obtain a structured, queryable view of research trends. We define an ontology for financial NLP research and apply an LLM-based extraction pipeline to 681 papers (2022-2025), enabling large-scale, data-driven analysis. MetaGraph reveals three key phases: early LLM adoption and task/dataset innovation; critical reflection on LLM limitations; and growing integration of peripheral techniques into modular systems. This structured view offers both practitioners and researchers a clear understanding of how financial NLP has evolved - highlighting emerging trends, shifting priorities, and methodological shifts-while also demonstrating a reusable approach for mapping scientific progress in other domains.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、財政的なNLPを急速に作り直し、新たなタスクを可能にし、データセットの拡散とデータソースの多様化を促進する。
しかし、この変化は従来の調査を上回っている。
本稿では,科学文献から知識グラフを抽出し,解析し,研究動向の構造化されたクエリー可能なビューを得るための一般化可能な手法であるMetaGraphを提案する。
我々は、財務NLP研究のオントロジーを定義し、LLMに基づく抽出パイプラインを681論文(2022-2025)に適用し、大規模でデータ駆動分析を可能にする。
MetaGraphは3つの重要なフェーズを明らかにしている。初期のLLMの採用とタスク/データセットの革新、LLMの制限に対する批判的な反映、モジュールシステムへの周辺技術の統合の増大である。
この構造化された視点は、実践者と研究者の両方に、新たなトレンドの強調、優先順位のシフト、方法論的なシフトといった、金融的NLPの進化に関する明確な理解を提供すると同時に、他の領域における科学的進歩をマッピングするための再利用可能なアプローチも示します。
関連論文リスト
- Integrating Large Language Models in Financial Investments and Market Analysis: A Survey [39.58317527488534]
大規模言語モデル (LLMs) は、投資戦略の分析能力を強化し、財政的な意思決定に用いられている。
本研究は、株式選択、リスクアセスメント、感情分析、トレーディング、財務予測における最近のLCMs研究の構造化されたレビューを提供する。
論文 参考訳（メタデータ） (2025-06-29T05:25:31Z) - Language Modeling for the Future of Finance: A Survey into Metrics, Tasks, and Data Opportunities [4.974815773537217]
近年の言語モデリングの進歩により、金融問題への自然言語処理技術の適用への関心が高まっている。
我々は、2017年から2024年にかけて38のカンファレンスやワークショップで発行された374のNLP研究論文をレビューし、金融関連タスクに直接対処する221の論文の焦点を絞った分析を行った。
研究と実践のための実行可能な方向を,データセットとツールレコメンデーションによって支援され,アカデミックと産業コミュニティの両方に影響を及ぼす。
論文 参考訳（メタデータ） (2025-04-09T21:02:12Z) - Bridging Language Models and Financial Analysis [49.361943182322385]
大規模言語モデル(LLM)の急速な進歩は、自然言語処理における変換可能性の解放をもたらした。
財務データは、しばしばテキストコンテンツ、数値表、および視覚チャートの複雑な関係に埋め込まれる。
LLM研究における急速なイノベーションのペースにもかかわらず、金融業界における彼らの実践的採用には大きなギャップが残っている。
論文 参考訳（メタデータ） (2025-03-14T01:35:20Z) - A Survey of Model Architectures in Information Retrieval [59.61734783818073]
2019年から現在までの期間は、情報検索(IR)と自然言語処理(NLP)における最大のパラダイムシフトの1つとなっている。
従来の用語ベースの手法から現代のニューラルアプローチまで,特にトランスフォーマーベースのモデルとそれに続く大規模言語モデル(LLM)の影響が注目されている。
今後の課題と今後の方向性について、先見的な議論で締めくくります。
論文 参考訳（メタデータ） (2025-02-20T18:42:58Z) - The Evolution of LLM Adoption in Industry Data Curation Practices [20.143297690624298]
本稿では,大規模技術企業における実践者間の言語モデル(LLM)の進化について考察する。
一連の調査、インタビュー、ユーザスタディを通じて、LLMの進化において組織がどのように重要な瞬間をナビゲートしているか、タイムリーなスナップショットを提供しています。
論文 参考訳（メタデータ） (2024-12-20T17:34:16Z) - A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges [60.546677053091685]
大規模言語モデル(LLM)は金融分野における機械学習アプリケーションに新たな機会を開放した。
我々は、従来のプラクティスを変革し、イノベーションを促進する可能性に焦点を当て、様々な金融業務におけるLLMの適用について検討する。
本稿では,既存の文献を言語タスク,感情分析,財務時系列,財務推論,エージェントベースモデリング,その他の応用分野に分類するための調査を紹介する。
論文 参考訳（メタデータ） (2024-06-15T16:11:35Z) - LLM Inference Unveiled: Survey and Roofline Model Insights [62.92811060490876]
大規模言語モデル(LLM)推論は急速に進化しており、機会と課題のユニークなブレンドを提示している。
本調査は, 研究状況を要約するだけでなく, 屋上モデルに基づく枠組みを導入することによって, 従来の文献レビューから際立っている。
このフレームワークは、ハードウェアデバイスにLSMをデプロイする際のボトルネックを特定し、実用上の問題を明確に理解する。
論文 参考訳（メタデータ） (2024-02-26T07:33:05Z) - Large Language Model Adaptation for Financial Sentiment Analysis [2.0499240875882]
一般言語モデルは、金融に特化されたタスクでは不足する傾向にある。
1.5B未満のパラメータを持つ2つの基礎モデルは、幅広い戦略を用いて適応されている。
小型LLMは大規模モデルに匹敵する性能を有しつつ,パラメータやデータの観点からも効率がよいことを示す。
論文 参考訳（メタデータ） (2024-01-26T11:04:01Z) - Information Extraction in Low-Resource Scenarios: Survey and Perspective [56.5556523013924]
情報抽出は構造化されていないテキストから構造化された情報を導き出そうとする。
本稿では,emphLLMおよびemphLLMに基づく低リソースIEに対するニューラルアプローチについて概説する。
論文 参考訳（メタデータ） (2022-02-16T13:44:00Z)
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。