כתבה
arXiv cs.AI ·
FinDialogLens: זיהוי אירועי סחר חסרים בשיחות כספיות
FinDialogLens: Event Extraction over Multi-Party Dialogue for Missed-Trade Identification in Financial Chatrooms
FinDialogLens: זיהוי אירועי סחר חסרים בשיחות כספיות. המאמר מציג פיתוח חדשני של רשת עצבים עבור זיהוי אירועי סחר חסרים בשיחות כספיות. הפיתוח, שנקרא FinDialogLens, משתמש בטכנולוגיית LLM כדי לזהות אירועי סחר חסרים בשיחות כספיות. המאמר מציג תוצאות של 92.1% ו-94.3% עבור זיהוי מחיר סופי ותוצאת סחר, בהתאמה.
תקציר מקורי באנגליתarXiv:2610.02455v1 Announce Type: cross Abstract: Multi-party financial chatrooms are vital for sales-and-trading professionals, but their complexity makes manual recovery of missed trades infeasible: each Request for Quote (RFQ) is an event whose final price and trade outcome appear many messages after the RFQ-trigger message (the inquiry message), interleaved with concurrent RFQs from other participants. We cast this as event extraction (EE) over multi-party dialogue and present FinDialogLens, a hybrid LLM pipeline in which compact fine-tuned classifiers act as inference-time scaffolds: they detect RFQ-triggers and price/trade outcome metadata, an RFQ-Level Module segments per-event RFQ windows, and a Trade Engine fills argument roles. With GPT-4o, FinDialogLens reaches 92.1% and 94.3% a
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית