FedNLP：用于解码美联储沟通文本的可解释 NLP 系统
计算与语言
2021-06-14 v1 人工智能
摘要
联邦储备系统（美联储）在影响全球货币政策与金融状况方面发挥着重要作用。尽管分析美联储的沟通文本以提取有用信息十分重要，但由于内容的模糊与晦涩性质，这些文本通常篇幅长且复杂。在本文中，我们提出 FedNLP，一个可解释的多组件自然语言处理系统，用于解码美联储沟通文本。该系统面向终端用户设计，使其无需编程即可探索 NLP 技术如何辅助其对美联储沟通文本的整体理解。在后台，FedNLP 在每个下游任务中使用了从传统机器学习算法到深度神经网络架构的多种 NLP 模型。该演示同时展示了多项结果，包括情感分析、文档摘要、联邦基金利率走势预测以及用于解释预测模型结果的可视化。
引用
@article{arxiv.2106.06247,
title = {FedNLP: An interpretable NLP System to Decode Federal Reserve Communications},
author = {Jean Lee and Hoyoul Luis Youn and Nicholas Stevens and Josiah Poon and Soyeon Caren Han},
journal= {arXiv preprint arXiv:2106.06247},
year = {2021}
}
备注
Accepted by SIGIR 2021