일본 금융 교육 데이터셋 JaFIn
JaFIn은 일본 금융 분야의 대규모 언어 모델을 위한 교육 데이터셋으로, 정부 웹사이트 등 다양한 데이터 소스를 활용하여 수동으로 구축되었다. 이 데이터셋을 활용한 교육 튜닝을 통해 금융 전문 언어 모델을 개발하고, 이를 정량적 및 정성적 평가를 통해 검증하였다.
금융 트위터 메시지에서 기회와 주의사항을 탐지하기 위한 대상 기반 감정 분석
금융 자산에 대한 긍정적 및 부정적 예측을 개별적으로 구분할 수 있는 대상 기반 감정 분석 시스템을 제안한다.
금융 대형 언어 모델 "SilverSight"의 적응형 의미 공간 학습 기반 다중 과제 학습
적응형 의미 공간 학습(ASSL) 프레임워크를 활용하여 금융 도메인의 다양한 과제를 효과적으로 학습하고 성능을 향상시킨 금융 다중 과제 대형 언어 모델 "SilverSight"를 개발하였다.
금융 뉴스의 담화 수준에서 자연어 처리와 기계 학습을 결합하여 시간성 탐지
금융 뉴스의 핵심 문장에 대한 시간성(과거 또는 미래)을 탐지하여 예측 분석에 활용할 수 있다.
금융 분야의 설명 가능한 어휘 사전 생성: 변압기에서 eXplainable Lexicons (XLex)로
본 연구는 변압기 모델과 SHAP 설명 가능성 도구를 활용하여 금융 어휘 사전을 자동으로 생성하는 새로운 방법론인 eXplainable Lexicons (XLex)를 제안한다. XLex는 기존 전문가 구축 어휘 사전인 Loughran-McDonald (LM) 사전을 능가하는 성능을 보여준다.
금융 데이터 주석 작업을 위한 대규모 언어 모델의 활용: 효과성과 효율성에 대한 연구
대규모 언어 모델(LLM)은 전문가 수준의 정확도에는 미치지 못하지만, 비전문가 군중 작업자보다 우수한 성능을 보여 금융 데이터 주석 작업에 효과적으로 활용될 수 있다.
금융 내러티브의 미묘한 의미 변화 탐지: 표면적 유사성을 넘어서
금융 내러티브 간 미묘한 의미 변화를 효과적으로 탐지하는 방법론을 제안한다.
금융 보고서의 미묘한 의미 변화 탐지: 표면적 유사성을 넘어서
금융 보고서 간 미묘한 의미 변화를 탐지하는 것이 중요하며, 기존 언어 모델로는 이를 효과적으로 구분하기 어렵다. 이를 해결하기 위해 대규모 언어 모델을 활용한 데이터 증강 및 특화된 모델 학습 방법을 제안한다.
금융 보고서의 미묘한 의미 변화 탐지: 표면적 유사성을 넘어서
금융 보고서 간 미묘한 의미 변화를 효과적으로 탐지하는 방법을 제안한다.
금융 감성 분석을 통한 알고리즘 거래 애플리케이션 개선: FinLlama
FinLlama는 금융 도메인에 특화된 대규모 언어 모델을 통해 금융 뉴스 기사의 감성을 정확하게 분류하고 강도를 정량화하여, 투자자들의 의사결정을 향상시킬 수 있다.
