核心概念
金融テキストのセンチメント分析のために、トランスフォーマーモデルとSHAPを活用した説明可能な辞書(XLex)を自動的に構築する。
要約
本研究では、金融テキストのセンチメント分析のために、トランスフォーマーモデルとSHAPを活用した新しい手法であるXLexを提案している。
まず、金融分野向けに微調整されたRoBERTaモデルを使用して、金融関連のデータセットに対するセンチメント分析を行う。次に、SHAPを使ってモデルの出力を解釈し、個々の単語の寄与度を正負のセンチメントに基づいて抽出する。
この過程で、単語の重複を解消し、正負の単語セットを作成する。さらに、正負の単語セットを統合して、説明可能な辞書XLexを構築する。XLexは、ベンチマークとなるLoughran-McDonald(LM)辞書よりも語彙カバレッジが広く、センチメント分析の精度も高い。
また、XLexはLM辞書と統合することで、さらに性能が向上する。XLexは、トランスフォーマーモデルと比べて、モデルサイズが小さく、推論速度が速いという利点もある。さらに、XLexは解釈可能性が高く、金融意思決定に役立つ洞察を提供できる。
統計
金融関連データセットの正例と負例の合計は2186件である。
正例と負例の数は各1093件で、訓練セットと評価セットに80:20の割合で分割されている。