論文の概要: Improving the Completeness and Comparability of Segment Disclosures: A Large Language Model Approach

• arxiv url: http://arxiv.org/abs/2605.23924v1
• Date: Mon, 20 Apr 2026 03:04:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.471575
• Title: Improving the Completeness and Comparability of Segment Disclosures: A Large Language Model Approach
• Title（参考訳）: セグメント開示の完全性と比較可能性の向上:大規模言語モデルアプローチ
• Abstract要約: 本研究では,Form 10-Kのファイリングからセグメント開示を直接抽出する大規模言語モデルに基づくフレームワークを開発した。 企業内での縦断解析により,時間とともにセグメントの変化を解釈し,異なるレポート構造を持つ企業間で地理的セグメントを相互に整合させるという,2つの代表的設定を用いてその応用を実証する。
• 参考スコア（独自算出の注目度）: 7.563079821809866
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Segment-level disclosures are a central component of financial reporting, providing insight into firms' internal organization and the allocation of economic activities across operating units. However, segment information is often presented in both qualitative and quantitative forms, dispersed across tables and narrative sections of Form 10-K filings. Empirical research relying on structured databases faces both completeness and comparability challenges, as some firm-year observations may be missing, nested segment disclosures are not captured, and support for longitudinal and cross-firm comparability is limited. This study develops a large language model-based framework to extract segment disclosures directly from Form 10-K filings and to preserve both reportable and nested segment information. We further design a retrieval augmented system that incorporates information across multiple filings to support comparability. We use two representative settings to demonstrate its application: longitudinal analysis within a firm to interpret segment changes over time, and cross firm alignment of geographic segments across firms with different reporting structures. The results indicate that the artifact accurately extracts segment-level information and effectively addresses questions that require cross-period knowledge, demonstrating the potential of LLM-based approaches to enhance the measurement and interpretation of segment disclosures.
• Abstract（参考訳）: セグメンツレベルの開示は財務報告の中心的な要素であり、企業の内部組織と運用単位間の経済活動の配分についての洞察を提供する。 しかし、セグメント情報は定性的かつ定量的な形式で表され、表と10-Kの文書の物語のセクションに散らばっている。 構造化データベースに依存した実証研究は、完全性と可視性の両方の課題に直面しており、いくつかの年月観測が欠落している可能性があるため、ネストされたセグメントの開示は捉えられず、縦断的および横断的な可視性のサポートは限られている。 本研究では,Form 10-Kからセグメント情報を直接抽出し,レポート可能なセグメント情報とネスト可能なセグメント情報の両方を保存するための,大規模言語モデルに基づくフレームワークを開発する。 コンパラビリティをサポートするために複数のファイリングにまたがる情報を含む検索拡張システムをさらに設計する。 企業内での縦断解析により,時間とともにセグメントの変化を解釈し,異なるレポート構造を持つ企業間で地理的セグメントを相互に整合させるという,2つの代表的設定を用いてその応用を実証する。 この結果は, セグメントレベルの情報を正確に抽出し, 横断的知識を必要とする問題に効果的に対処することを示し, セグメント開示の測定と解釈を強化するLLMベースのアプローチの可能性を示した。

関連論文リスト

• Unified Open-World Segmentation with Multi-Modal Prompts [53.04555122154363]
  COSINEはオープン・ボキャブラリ・セグメンテーションとイン・コンテクスト・セグメンテーションをマルチモーダル・プロンプトと統合したオープンワールドセグメンテーション・モデルである。 我々はCOSINEがオープン語彙とコンテキスト内セグメンテーションタスクの両方で大幅な性能改善を実現していることを示す。
  論文  参考訳（メタデータ） (2025-10-12T09:45:51Z)
• Multi-Dimensional Summarization Agents with Context-Aware Reasoning over Enterprise Tables [0.0]
  本稿では,大規模言語モデル(LLM)に基づくエージェントを用いて,複数の次元にわたる構造化エンタープライズデータを要約する新しいフレームワークを提案する。 本手法では,スライシング,分散検出,コンテキスト構築,LLMに基づく生成を行うエージェントを用いて,多次元データの抽出,解析,要約を行うマルチエージェントパイプラインを提案する。 我々は、Kaggleデータセットのフレームワークを評価し、ベースラインテーブルの要約アプローチよりも忠実さ、妥当性、および洞察品質を大幅に改善したことを示す。
  論文  参考訳（メタデータ） (2025-08-10T05:27:42Z)
• Beyond Isolated Dots: Benchmarking Structured Table Construction as Deep Knowledge Extraction [80.88654868264645]
  Arranged and Organized extract Benchmarkは、断片化された文書を理解するための大規模言語モデルの能力を評価するために設計された。 AOEには3つの異なるドメインにまたがる11のタスクが含まれており、さまざまな入力クエリに適したコンテキスト固有のスキーマを生成するモデルが必要である。 結果は、最も先進的なモデルでさえ、かなり苦労したことを示している。
  論文  参考訳（メタデータ） (2025-07-22T06:37:51Z)
• CrossFormer: Cross-Segment Semantic Fusion for Document Segmentation [16.70112752541306]
  テキストセマンティックセグメンテーションは、文書を連続的なセマンティクスで複数の段落に分割する。 従来のアプローチは、入力長の制約に対処するために、文書をセグメントに前処理することに頼っていた。 我々は,新しいクロスセグメント融合モジュールを備えたトランスフォーマーベースモデルであるCrossFormerを提案する。
  論文  参考訳（メタデータ） (2025-03-31T02:27:49Z)
• Beyond Factual Accuracy: Evaluating Coverage of Diverse Factual Information in Long-form Text Generation [56.82274763974443]
  ICATは、長文テキスト生成における多様な事実情報のカバレッジを測定するための評価フレームワークである。 原子の事実的クレームと出力で提示されるであろう様々な側面のアライメントを計算する。 私たちのフレームワークは、多様性とカバレッジの解釈可能かつきめ細かな分析を提供します。
  論文  参考訳（メタデータ） (2025-01-07T05:43:23Z)
• LISA++: An Improved Baseline for Reasoning Segmentation with Large Language Model [54.850048630298495]
  既存のLISAモデルの更新であるLISA++を導入し、基本アーキテクチャをそのまま維持しながらコア機能の改善に重点を置いている。 インスタンスセグメンテーション機能が追加され、既存のマルチリージョンセグメンテーションとともに、より詳細なシーン分析が提供される。 これらの改善は、構造的変化やデータソースを追加することなく、セグメンテーションと会話スキルを強化することを目的とした、ジェネリックセグメンテーションデータセットの既存のサンプルをキュレートすることで達成される。
  論文  参考訳（メタデータ） (2023-12-28T18:58:33Z)
• Universal Segmentation at Arbitrary Granularity with Language Instruction [56.39902660380342]
  言語命令のガイダンスを用いて任意の意味レベルでセグメンテーションを行うことができるユニバーサルセグメンテーションモデルUniLSegを提案する。 UniLSegをトレーニングするために、元の多様な分布から統一されたデータ形式にタスク群を再構成し、セグメンテーションターゲットを入力として記述したテキストと対応するマスクを出力する。
  論文  参考訳（メタデータ） (2023-12-04T04:47:48Z)
• Open-vocabulary Panoptic Segmentation with Embedding Modulation [71.15502078615587]
  オープン語彙のイメージセグメンテーションは、現実世界における重要な応用のために注目を集めている。 従来のクローズド・ボキャブラリ・セグメンテーション法は、新しいオブジェクトを特徴づけることができないが、最近のいくつかのオープン・ボキャブラリ試みは、満足のいく結果を得る。 オープン語彙パノプトンのための全能的でデータ効率のよいフレームワークであるOPSNetを提案する。
  論文  参考訳（メタデータ） (2023-03-20T17:58:48Z)
• A Knowledge-Enhanced Adversarial Model for Cross-lingual Structured Sentiment Analysis [31.05169054736711]
  言語間構造的感情分析タスクは、ソース言語からターゲット言語へ知識を伝達することを目的としている。 本稿では,暗黙的分散と明示的構造的知識を両立させた知識強化逆数モデル(textttKEAM)を提案する。 我々は5つのデータセットの実験を行い、textttKEAMと教師なしおよび教師なしの両方の手法を比較した。
  論文  参考訳（メタデータ） (2022-05-31T03:07:51Z)
• Unsupervised Domain Adaptation for Semantic Image Segmentation: a Comprehensive Survey [24.622211579286127]
  この調査は、この信じられないほど急速に成長している分野の5年間をまとめたものです。 最も重要なセマンティックセグメンテーション手法を提案する。 マルチドメイン学習、ドメイン一般化、テスト時間適応、ソースフリードメイン適応といった新しいトレンドを紹介します。
  論文  参考訳（メタデータ） (2021-12-06T18:47:41Z)

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。