文献

J-GLOBAL ID：202002213237675214   整理番号：20A1701787

再事前学習したBERTを用いた金融文書中の因果関係知識有無の判別

Further Pretraining BERT for Causality Existence Classification in Financial Domain

著者 (4件)： 仁木裕太 (東大 大学院工学系研究科) ,  坂地泰紀 (東大 大学院工学系研究科) ,  和泉潔 (東大 大学院工学系研究科) ,  松島裕康 (東大 大学院工学系研究科)
資料名： 人工知能学会全国大会論文集(Web)  (Proceedings of the Annual Conference of JSAI (Web))
巻： 34th  ページ： ROMBUNNO.3Rin4-39 (WEB ONLY)  発行年： 2020年 
JST資料番号： U1701A  ISSN： 2758-7347  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本研究では,金融文書中の因果関係知識の有無を判別するタスクに対して,BERTを日本の金融コーパスで再事前学習した,J-FinBERTを提案する.我々が取り組むタスクにおいて,再事前学習が予測精度と学習データのサンプル数の少ない状況やラベルにノイズがある状況に対するロバスト性に効果があるかを検証する.実験を通して,再事前学習が予測精度や小さい学習データに対するロバストであることが示された.(著者抄録)

シソーラス用語： *自然言語処理 ,  言語モデル ,  因果律 ,  ロバスト性 ,  学習 ,  コーパス ,  *文書処理 ,  金融 ,  日本語 ,  文書 ,  ニューラルネットワーク ,  精度 ,  データ
準シソーラス用語： 因果関係 ,  学習データ ,  事前学習 ,  新聞記事 ,  予測精度

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (7件)： 事前学習 ,  BERT ,  金融 ,  文書 ,  因果関係 ,  知識 ,  判別