論文の概要: Open Banking Foundational Model: Learning Language Representations from Few Financial Transactions

• arxiv url: http://arxiv.org/abs/2511.12154v1
• Date: Sat, 15 Nov 2025 10:52:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.643415
• Title: Open Banking Foundational Model: Learning Language Representations from Few Financial Transactions
• Title（参考訳）: オープンバンキング基礎モデル:わずかな金融取引から言語表現を学ぶ
• Authors: Gustavo Polleti, Marlesson Santana, Eduardo Fontes,
• Abstract要約: 我々は、構造化属性と非構造化テキスト記述を統一表現に統合する金融取引の基本モデルを導入する。 提案手法は,古典的特徴工学や離散イベントシーケンス法よりも優れていることを示す。 その結果、不正防止や信用リスクから顧客インサイトまで、自己監督型モデルによる金融応用を推し進める可能性が浮き彫りになった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduced a multimodal foundational model for financial transactions that integrates both structured attributes and unstructured textual descriptions into a unified representation. By adapting masked language modeling to transaction sequences, we demonstrated that our approach not only outperforms classical feature engineering and discrete event sequence methods but is also particularly effective in data-scarce Open Banking scenarios. To our knowledge, this is the first large-scale study across thousands of financial institutions in North America, providing evidence that multimodal representations can generalize across geographies and institutions. These results highlight the potential of self-supervised models to advance financial applications ranging from fraud prevention and credit risk to customer insights
• Abstract（参考訳）: 我々は、構造化属性と非構造化テキスト記述の両方を統一表現に統合する、金融取引のためのマルチモーダル基礎モデルを導入した。 マスク付き言語モデリングをトランザクションシーケンスに適用することにより、我々のアプローチは古典的な特徴工学や離散的なイベントシーケンス法よりも優れているだけでなく、データスカースなオープンバンキングのシナリオにも特に有効であることを示した。 われわれの知る限り、これは北米の何千もの金融機関にまたがる初めての大規模な研究であり、マルチモーダル表現が地域や機関にまたがって一般化できるという証拠を提供する。 これらの結果は、不正防止や信用リスクから顧客インサイトまで、自己監督モデルによる金融応用を推し進める可能性を強調している。

関連論文リスト

• MultiFinBen: Benchmarking Large Language Models for Multilingual and Multimodal Financial Application [118.63802040274999]
  MultiFinBen は、現実的な財務状況下で LLM を評価するための、最初のエキスパートアノテーション付き多言語(5言語)およびマルチモーダルベンチマークである。 財務理由付けテストは、書類やニュースと統合された言語間のエビデンスと、スキャンされた文書から構造化されたテキストを抽出する財務OCRである。 21個のLLMを評価したところ、GPT-4oのようなフロンティアのマルチモーダルモデルでさえ、視力とオーディオが強く、多言語設定では急激に低下するが、全体の46.01%しか達成していないことが示されている。
  論文  参考訳（メタデータ） (2025-06-16T22:01:49Z)
• Uniting contrastive and generative learning for event sequences models [51.547576949425604]
  本研究では,2つの自己指導型学習手法 – 例えば,コントラスト学習と,潜在空間におけるマスクイベントの復元に基づく生成的アプローチ – の統合について検討する。 いくつかの公開データセットで行った実験は、シーケンス分類と次点型予測に焦点を合わせ、統合された手法が個々の手法と比較して優れた性能を達成することを示した。
  論文  参考訳（メタデータ） (2024-08-19T13:47:17Z)
• SNFinLLM: Systematic and Nuanced Financial Domain Adaptation of Chinese Large Language Models [6.639972934967109]
  大規模言語モデル (LLM) は、金融業界において自然言語処理を推進するための強力なツールとなっている。 SNFinLLMという中国の金融ドメイン向けに設計された新しい大規模言語モデルを提案する。 SNFinLLMは、質問への回答、財務調査レポートの要約、感情の分析、財務計算の実行など、ドメイン固有のタスクに優れています。
  論文  参考訳（メタデータ） (2024-08-05T08:24:24Z)
• Multimodal Large Language Models to Support Real-World Fact-Checking [80.41047725487645]
  MLLM(Multimodal large language model)は、膨大な情報処理において人間を支援する能力を持つ。 MLLMはすでにファクトチェックツールとして使用されていますが、その能力や制限については検討中です。 本稿では,現実のファクトチェックを容易にするために,現在のマルチモーダルモデルの能力を体系的に評価するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-06T11:32:41Z)
• FinGPT: Instruction Tuning Benchmark for Open-Source Large Language Models in Financial Datasets [9.714447724811842]
  本稿では,オープンソースの大規模言語モデルに対して,インストラクションチューニングパラダイムに固有のアプローチを導入する。 私たちは、オープンソースのモデルの相互運用性に乗じて、シームレスで透過的な統合を確保します。 本稿では,エンドツーエンドのトレーニングとテストのためのベンチマーク手法を提案し,費用対効果を生かした。
  論文  参考訳（メタデータ） (2023-10-07T12:52:58Z)
• Incorporating Pre-trained Model Prompting in Multimodal Stock Volume Movement Prediction [22.949484374773967]
  本稿では,PromptをベースとしたMUltimodal Stock volumE予測モデル(ProMUSE)を提案する。 金融ニュースの理解を深めるために、事前訓練された言語モデルを使用します。 また, この問題を緩和するため, 核融合ヘッドの横にある一方向の頭部を保ちながら, 新たな異方性コントラストアライメントを提案する。
  論文  参考訳（メタデータ） (2023-09-11T16:47:01Z)
• Multimodal Generative Models for Bankruptcy Prediction Using Textual Data [2.1756081703276]
  本研究では、会計、市場、テキストデータモダリティから情報を埋め込んだマルチモーダル表現を学習するマルチモーダル識別条件(CMMD)モデルを提案する。 この新たな手法では、会計と市場データは、テキストデータとは異なり、すべての企業で利用可能であるため、破産予測モデルでテキストデータを使用することが現実的である。
  論文  参考訳（メタデータ） (2022-10-26T17:44:03Z)

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。