論文の概要: DiRAFT: Privacy-Aware Financial Transcript Synthesis from Aggregate Discourse Priors

• arxiv url: http://arxiv.org/abs/2610.40938v1
• Date: Thu, 29 Oct 2026 20:13:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.486195
• Title: DiRAFT: Privacy-Aware Financial Transcript Synthesis from Aggregate Discourse Priors
• Title（参考訳）: DiRAFT: プライバシに配慮したアグリゲート・談話からの金融トランスクリプト作成
• Abstract要約: DiRAFTは金融概念グラフを抽出し、概念が最初に導入された順番を記録する。 談話層は、個々のソースパスやグラフを供給せずに、テキスト実現をガイドする。
• 参考スコア（独自算出の注目度）: 0.9558392439655014
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Using customer conversations to train and evaluate financial language models raises confidentiality concerns because non-public financial facts can remain after direct identifiers are masked. Synthetic transcripts offer an alternative data source, but their discourse fidelity and residual confidentiality risks require assessment. We introduce DiRAFT (Discourse Realization from Aggregate First-order Transitions), which extracts financial concept graphs and records the order in which concepts are first introduced. It pools adjacent concept transitions across training records and samples new graph plans from aggregate transition, starting-concept, and plan-length priors. A discourse layer guides text realization without supplying an individual source passage or graph. We assess privacy-related risks through two complementary evaluations: corpus-level structural overlap and source-grounded checks for specific non-public investor facts. The structural assessment covers two financial corpora and three generation backends. The confidential-fact assessment uses human review of 1,400 investor-call outputs across seven strategies and two backends. We also evaluate transition fidelity, content recoverability, and trajectory diversity. Stochastic sampling provides a favorable balance between transition fidelity and structural overlap, with consistent advantages over greedy and top-3 on investor calls. The confidential-fact assessment likewise detects fewer matches for stochastic sampling than these alternatives on both backends covered by the fact assessment. These complementary assessments provide empirical evidence on residual confidentiality risks without establishing a formal guarantee.
• Abstract（参考訳）: 顧客との会話を使って金融言語モデルを訓練し、評価することで、機密性に関する懸念が高まる。 合成写本は代替のデータソースを提供するが、その言説の忠実さと残留機密性リスクは評価を必要とする。 DRAFT(Discourse Realization from Aggregate First-order Transitions)を導入し、金融概念グラフを抽出し、概念が最初に導入された順序を記録する。 トレーニングレコードに隣接するコンセプトトランジションをプールし、アグリゲートトランジション、開始コンセプト、プラン長といった新しいグラフプランをサンプリングする。 談話層は、個々のソースパスやグラフを供給せずに、テキスト実現をガイドする。 プライバシ関連のリスクを、コーパスレベルの構造上の重複と、特定の非公開投資家の事実に対する情報源によるチェックの2つの相補的評価を通じて評価する。 構造評価は2つの財務コーパスと3つの世代のバックエンドをカバーしている。 シークレット・ファクト・アセスメントは、7つの戦略と2つのバックエンドにまたがる1,400人の投資家・コールアウトプットの人間によるレビューを利用する。 また,遷移の忠実度,コンテンツの回復性,軌跡の多様性も評価した。 確率的サンプリングは、トランジションの忠実度と構造的重複のバランスを良好に保ち、投資家のコールにおける欲求とトップ3に対して一貫したアドバンテージを提供する。 シークレット・ファクト・アセスメント(Secret-fact Assessment)も同様に、事実アセスメントによってカバーされる両方のバックエンド上のこれらの代替手段よりも確率的サンプリングのマッチを少なく検出する。 これらの補完的な評価は、正式な保証を確立することなく、残留機密性リスクに関する実証的な証拠を提供する。

関連論文リスト

• From Matching Models to Recruiting Agents: A Systematized Narrative Review of AI Recruitment Systems, Evaluation, and Governance [1.436449142247059]
  このレビューは、ニューラル・パーソナリティ・マッチングによる双方向の検索と行動ランキングから発展を辿る。 類似性から相互適合性、モデルから複合ワークフロー、オフライン予測からエビデンスと生産性に整合した評価という3つの組み合わせの遷移を分析した。 評価証拠から最強の証明可能なクレームへのステージマッピングと,相互性,エビデンス,時間的制御,選択的,監査可能なシステムに関するアジェンダを導入する。
  論文  参考訳（メタデータ） (2026-09-03T08:46:03Z)
• Dialogue to Detection: A Multimodal Hybrid NLP Pipeline for Insurance Fraud Detection [0.45127516760754416]
  保険詐欺は実質的な財政損失と運用上の不効率を課し、保険料を引き上げ、正当な政策所有者の信頼に影響を及ぼす。 既存のアプローチは、主にプライベートなテキストのみのデータセットに依存しており、言語、行動、話者に基づく指標を統合するマルチモーダルメソッドの進捗を制限する。 本稿では,FNOL 条件を再現する合成マルチモーダルフレームワークを提案する。エージェント・カストマー・ダイアログと2話者音声を生成し,ASR とダイアリゼーションを行う。
  論文  参考訳（メタデータ） (2026-06-26T11:59:05Z)
• Neither Consent nor Property: A Policy Lab for Data Law [4.588656982178105]
  この論文は、AI経済における不透明なデータ市場を初めて実証的に正当化するものである。 パイプラインは、市場の隠れたロジックを抽出するために、数年のフィールドワークから始まります。 現実に反し、観察された貿易パターンを再現する。
  論文  参考訳（メタデータ） (2025-10-30T17:27:03Z)
• Information Bargaining: Bilateral Commitment in Bayesian Persuasion [60.3761154043329]
  長期的説得のための統一的なフレームワークとよく構造化されたソリューションの概念を導入する。 この視点はゲーム構造の共通知識を明確にし、レシーバに匹敵するコミットメント能力を与える。 このフレームワークは、2段階の検証と推論のパラダイムによって検証される。
  論文  参考訳（メタデータ） (2025-06-06T08:42:34Z)
• Toward Holistic Evaluation of Recommender Systems Powered by Generative Models [29.797042093096277]
  生成モデル(Gen-RecSys)はオープンなコンテンツを生成する。 従来の精度測定では、事実の正確性、コンテンツの安全性、ユーザ意図との整合性を計測できません。 本稿では,シナリオベースの評価とマルチメトリックチェックの関連性を含む総合評価手法を提案する。
  論文  参考訳（メタデータ） (2025-04-09T08:08:16Z)
• Auditing and Generating Synthetic Data with Controllable Trust Trade-offs [54.262044436203965]
  合成データセットとAIモデルを包括的に評価する総合監査フレームワークを導入する。 バイアスや差別の防止、ソースデータへの忠実性の確保、実用性、堅牢性、プライバシ保護などに焦点を当てている。 多様なユースケースにまたがる様々な生成モデルを監査することにより,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2023-04-21T09:03:18Z)

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。