研究者提出噪声鲁棒的金融数值实体属性标注方法NORA
热点事件持续更新
研究者提出噪声鲁棒的金融数值实体属性标注方法NORA
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究者在arXiv发布NORA方法，针对inline XBRL标签含噪以及报表时间关系、计量尺度、会计符号等属性常被忽视的问题，用任务感知的实例加权在训练中减弱噪声标签影响。 他们同时构建了含630万句子、1140万金融数值实体的多属性基准数据集。实验显示，NORA在过滤与未过滤测试下均在四个属性上取得最佳Accuracy和Macro F1，其中时间关系预测的增益最大。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
NORA：噪声鲁棒的金融数值实体多属性标注方法报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AINORA：噪声鲁棒的金融数值实体多属性标注方法
研究者提出噪声鲁棒的金融数值实体属性标注方法 NORA，针对 inline XBRL 标签含噪声及报表时间关系、计量尺度、会计符号等属性被忽视的问题。方法通过任务感知的实例加权减弱噪声标签影响，并构建含 630 万句子、1140 万金融数值实体的多属性基准。实验显示 NORA 在过滤与未过滤测试下均取得四属性最佳的 Accuracy 和 Macro F1，时间关系预测增益最大。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。