論文の概要: FinGEAR: Financial Mapping-Guided Enhanced Answer Retrieval

• arxiv url: http://arxiv.org/abs/2509.12042v1
• Date: Mon, 15 Sep 2025 15:25:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.366472
• Title: FinGEAR: Financial Mapping-Guided Enhanced Answer Retrieval
• Title（参考訳）: FinGEAR:財務マッピングによる回答の検索強化
• Authors: Ying Li, Mengyu Wang, Miguel de Carvalho, Sotirios Sabanis, Tiejun Ma,
• Abstract要約: FinGEAR (Financial Mapping-Guided Enhanced Answer Retrieval) は、金融文書に適した検索フレームワークである。 検索を開示構造と用語に整合させ、きめ細かいクエリ対応コンテキスト選択を可能にする。 F1は平坦なRAGで56.7%、グラフベースのRAGで12.5%、以前のツリーベースのシステムで217.6%向上している。
• 参考スコア（独自算出の注目度）: 8.717064717809974
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Financial disclosures such as 10-K filings present challenging retrieval problems due to their length, regulatory section hierarchy, and domain-specific language, which standard retrieval-augmented generation (RAG) models underuse. We introduce FinGEAR (Financial Mapping-Guided Enhanced Answer Retrieval), a retrieval framework tailored to financial documents. FinGEAR combines a finance lexicon for Item-level guidance (FLAM), dual hierarchical indices for within-Item search (Summary Tree and Question Tree), and a two-stage cross-encoder reranker. This design aligns retrieval with disclosure structure and terminology, enabling fine-grained, query-aware context selection. Evaluated on full 10-Ks with queries aligned to the FinQA dataset, FinGEAR delivers consistent gains in precision, recall, F1, and relevancy, improving F1 by up to 56.7% over flat RAG, 12.5% over graph-based RAGs, and 217.6% over prior tree-based systems, while also increasing downstream answer accuracy with a fixed reader. By jointly modeling section hierarchy and domain lexicon signals, FinGEAR improves retrieval fidelity and provides a practical foundation for high-stakes financial analysis.
• Abstract（参考訳）: 10-K出願のような財務情報開示は、その長さ、規制区分階層、ドメイン固有言語など、標準的な検索強化生成(RAG)モデルが未使用であるため、困難な検索問題を示す。 金融文書に適した検索フレームワークであるFinGEAR(Financial Mapping-Guided Enhanced Answer Retrieval)を紹介する。 FinGEARは、アイテムレベルのガイダンスのための金融レキシコン(FLAM)、アイテム内検索のための二重階層インデックス(Summary Tree and Question Tree)、および2段階のクロスエンコーダリランカを組み合わせた。 この設計は、検索を開示構造と用語に整合させ、きめ細かいクエリ対応コンテキスト選択を可能にする。 FinQAデータセットに沿ったクエリを持つ10-Kで評価され、FinGEARは精度、リコール、F1、関連性において一貫した利得を提供し、F1をフラットなRAGで最大56.7%改善し、グラフベースのRAGで12.5%、以前のツリーベースのシステムで217.6%改善した。 セクション階層とドメインレキシコン信号の合同モデリングにより、FinGEARは検索精度を向上し、高精度な財務分析の実践的基盤を提供する。

関連論文リスト

• FinAgentBench: A Benchmark Dataset for Agentic Retrieval in Financial Question Answering [57.18367828883773]
  FinAgentBenchは、ファイナンスにおけるマルチステップ推論による検索評価のための最初の大規模ベンチマークである。 このベンチマークは、S&P-100上場企業に関する専門家による3,429の例から成っている。 我々は,最先端モデルの集合を評価し,対象の微調整がエージェント検索性能を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2025-08-07T22:15:22Z)
• FinDER: Financial Dataset for Question Answering and Evaluating Retrieval-Augmented Generation [65.04104723843264]
  ファイナンスにおけるRetrieval-Augmented Generation(RAG)に適したエキスパート生成データセットであるFinDERを提案する。 FinDERは、ドメインの専門家による検索関連証拠の注釈付けに重点を置いており、5,703のクエリ・エビデンス・アンサー・トリプルを提供している。 大きなコーパスから関連する情報を取得するためにモデルに挑戦することで、FinDERはRAGシステムを評価するためのより現実的なベンチマークを提供する。
  論文  参考訳（メタデータ） (2025-04-22T11:30:13Z)
• FinSage: A Multi-aspect RAG System for Financial Filings Question Answering [10.953520766530005]
  FinSageはマルチモーダルな事前処理パイプラインで、多様なデータフォーマットを統一し、メタデータの要約を生成する。 実験の結果、FinSageは75人の専門家による質問に対して92.51%の印象的なリコールを達成した。 FinSageは、すでに1200人以上が利用しているオンラインミーティングにおいて、財務的な質問応答エージェントとして成功している。
  論文  参考訳（メタデータ） (2025-04-20T04:58:14Z)
• Optimizing Retrieval Strategies for Financial Question Answering Documents in Retrieval-Augmented Generation Systems [5.712288463584192]
  Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)における幻覚を緩和するための有望なフレームワークとして登場した。 本研究では,財務文書の検索を効率化する,効率的なエンドツーエンドRAGパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-03-19T13:21:49Z)
• FinQA: A Dataset of Numerical Reasoning over Financial Data [52.7249610894623]
  我々は、大量の財務文書の分析を自動化することを目的として、財務データに関する深い質問に答えることに重点を置いている。 我々は,金融専門家が作成した財務報告に対して質問回答のペアを用いた,新たな大規模データセットFinQAを提案する。 その結果、人気があり、大規模で、事前訓練されたモデルは、金融知識を得るための専門的な人間には程遠いことが示される。
  論文  参考訳（メタデータ） (2021-09-01T00:08:14Z)

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。

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。