論文の概要: An Algorithmic Framework for Systematic Literature Reviews: A Case Study for Financial Narratives

• arxiv url: http://arxiv.org/abs/2601.03794v1
• Date: Wed, 07 Jan 2026 10:50:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 02:15:23.476728
• Title: An Algorithmic Framework for Systematic Literature Reviews: A Case Study for Financial Narratives
• Title（参考訳）: 体系的文献レビューのためのアルゴリズム的枠組み--金融ナラティブを事例として
• Authors: Gabin Taibi, Joerg Osterrieder,
• Abstract要約: 本稿では,体系的文献レビュー(SLR)を行うアルゴリズムフレームワークを提案する。 提案手法は自然言語処理(NLP)技術,クラスタリングアルゴリズム,解釈可能性ツールを統合し,学術論文の選択と分析の自動化と構造化を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces an algorithmic framework for conducting systematic literature reviews (SLRs), designed to improve efficiency, reproducibility, and selection quality assessment in the literature review process. The proposed method integrates Natural Language Processing (NLP) techniques, clustering algorithms, and interpretability tools to automate and structure the selection and analysis of academic publications. The framework is applied to a case study focused on financial narratives, an emerging area in financial economics that examines how structured accounts of economic events, formed by the convergence of individual interpretations, influence market dynamics and asset prices. Drawing from the Scopus database of peer-reviewed literature, the review highlights research efforts to model financial narratives using various NLP techniques. Results reveal that while advances have been made, the conceptualization of financial narratives remains fragmented, often reduced to sentiment analysis, topic modeling, or their combination, without a unified theoretical framework. The findings underscore the value of more rigorous and dynamic narrative modeling approaches and demonstrate the effectiveness of the proposed algorithmic SLR methodology.
• Abstract（参考訳）: 本稿では,論文レビュープロセスにおける効率,再現性,選択品質評価の改善を目的とした,体系的文献レビュー(SLR)の実施のためのアルゴリズム的枠組みを提案する。 提案手法は自然言語処理(NLP)技術,クラスタリングアルゴリズム,解釈可能性ツールを統合し,学術論文の選択と分析の自動化と構造化を行う。 この枠組みは、金融経済学の新興分野である金融物語に焦点を当てたケーススタディに適用され、個々の解釈の収束、市場ダイナミクス、資産価格への影響によって形成される経済事象の構造的説明がどのように形成されるかを調べる。 査読された文献のスコパスデータベースから引用し、様々なNLP技術を用いて財務物語をモデル化する研究の取り組みを強調した。 結果は、進歩が進んでいる間も、金融物語の概念化は断片化され続け、しばしば、統一された理論的枠組みなしで、感情分析、トピックモデリング、あるいはそれらの組み合わせに還元されることを示した。 この結果は,より厳密でダイナミックな物語モデリング手法の価値を強調し,提案したアルゴリズムSLR手法の有効性を実証する。

関連論文リスト

• Computational Measurement of Political Positions: A Review of Text-Based Ideal Point Estimation Algorithms [0.0]
  本稿では、教師なしおよび半教師付き計算テキストベース理想点推定(CT-IPE)アルゴリズムの体系的レビューを行う。 CT-IPEアルゴリズムは、議会演説、政党宣言、ソーシャルメディアからイデオロギー的嗜好を推定するために、政治科学、コミュニケーション、計算社会科学、コンピュータ科学で広く使われている。
  論文  参考訳（メタデータ） (2025-11-17T11:01:09Z)
• Context-Aware Hierarchical Taxonomy Generation for Scientific Papers via LLM-Guided Multi-Aspect Clustering [59.54662810933882]
  既存の分類体系の構築手法は、教師なしクラスタリングや大きな言語モデルの直接的プロンプトを利用しており、コヒーレンスと粒度の欠如が多かった。 LLM誘導型マルチアスペクト符号化と動的クラスタリングを統合したコンテキスト対応階層型階層型分類生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-23T15:12:58Z)
• Teaching LLMs to Think Mathematically: A Critical Study of Decision-Making via Optimization [1.246870021158888]
  本稿では,大規模言語モデル(LLM)の数学的プログラミングによる意思決定問題の定式化と解決能力について検討する。 まず、LLMがドメイン間の最適化問題をいかに理解し、構造化し、解決するかを評価するため、最近の文献の体系的レビューとメタ分析を行う。 計算機ネットワークにおける問題に対する最適化モデルの自動生成において、最先端のLLMの性能を評価するために設計されたターゲット実験により、系統的エビデンスを補完する。
  論文  参考訳（メタデータ） (2025-08-25T14:52:56Z)
• Option Pricing Using Ensemble Learning [0.0]
  アンサンブル学習の特徴は、柔軟性、高精度、洗練された構造である。 本稿では、価格設定のためのアンサンブル学習の適用について検討し、古典的な機械学習モデルとの比較分析を行う。 金融シミュレーションにおいて、ロバスト性やリアリズムを改善するために、実験間でパラメータ転送を活用する新しい実験戦略が導入された。
  論文  参考訳（メタデータ） (2025-06-06T06:55:49Z)
• Semantic-based Unsupervised Framing Analysis (SUFA): A Novel Approach for Computational Framing Analysis [1.7878880883737438]
  本研究はセマンティック・リレーショナル・ベース・アントラクショナル・フレーミング・アナリシス(SUFA)と呼ばれる計算フレーミング・アナリシスに対する新しいアプローチを提案する。 SUFAは、セマンティックリレーションと依存性解析アルゴリズムを利用して、ニュースメディアレポートにおいてエンティティ中心の強調フレームを特定し評価する。
  論文  参考訳（メタデータ） (2025-05-21T14:19:22Z)
• Advanced Deep Learning Techniques for Analyzing Earnings Call Transcripts: Methodologies and Applications [0.0]
  本研究の目的は,大規模財務文書から感情を抽出するために自然言語処理をどのように活用できるかを検討することである。 金融感情分析の文脈における各モデルの強みと限界について検討する。 厳密な実験を通じて、精度、精度、リコール、F1スコアなどの重要な指標を用いて、それらの性能を評価する。
  論文  参考訳（メタデータ） (2025-02-27T00:28:43Z)
• Designing Algorithms Empowered by Language Models: An Analytical Framework, Case Studies, and Insights [86.06371692309972]
  本研究では,大規模言語モデル(LLM)に基づくアルゴリズムの設計と解析のための分析フレームワークを提案する。 提案する枠組みは頭痛を緩和する試みとして機能する。
  論文  参考訳（メタデータ） (2024-07-20T07:39:07Z)
• Are we making progress in unlearning? Findings from the first NeurIPS unlearning competition [70.60872754129832]
  アンラーニングに関する最初のNeurIPSコンペティションは、新しいアルゴリズムの開発を刺激しようとした。 世界中から約1200チームが参加した。 トップソリューションを分析し、アンラーニングのベンチマークに関する議論を掘り下げます。
  論文  参考訳（メタデータ） (2024-06-13T12:58:00Z)
• Leveraging Large Language Models for NLG Evaluation: Advances and Challenges [57.88520765782177]
  大規模言語モデル(LLM)は、コヒーレンス、クリエイティビティ、コンテキスト関連など、生成されたコンテンツ品質を評価するための新たな道を開いた。 既存のLCMに基づく評価指標を整理し、これらの手法を理解し比較するための構造化された枠組みを提供する。 本稿では, 偏見, 堅牢性, ドメイン固有性, 統一評価などの未解決課題を議論することによって, 研究者に洞察を提供し, より公平で高度なNLG評価手法を提唱することを目的とする。
  論文  参考訳（メタデータ） (2024-01-13T15:59:09Z)
• A Survey of Contextual Optimization Methods for Decision Making under Uncertainty [47.73071218563257]
  この記事では、データからポリシーを学ぶための3つの主要なフレームワークを特定し、その強みと限界について論じる。 統一的な表記と用語の下で既存のモデルとメソッドを示し、これらを3つの主要なフレームワークに従って分類する。
  論文  参考訳（メタデータ） (2023-06-17T15:21:02Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)

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。